دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Algorithmic Learning in a Random World
دانلود کتاب یادگیری الگوریتمی در دنیای تصادفی
مشخصات کتاب
Algorithmic Learning in a Random World
دسته بندی: آموزشی ویرایش: 1 نویسندگان: Vladimir Vovk, Alex Gammerman, Glenn Shafer سری: ISBN (شابک) : 0387001522, 9780387001524 ناشر: سال نشر: 2005 تعداد صفحات: 331 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 57 مگابایت
قیمت کتاب (تومان) : 29,000
در صورت تبدیل فایل کتاب Algorithmic Learning in a Random World به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری الگوریتمی در دنیای تصادفی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب یادگیری الگوریتمی در دنیای تصادفی
یادگیری الگوریتمی در دنیای تصادفی، پیشرفت‌های نظری و تجربی اخیر را در ساختن تقریب‌های قابل محاسبه با مفهوم الگوریتمی تصادفی کولموگروف توصیف می‌کند. بر اساس این تقریب‌ها، مجموعه جدیدی از الگوریتم‌های یادگیری ماشین ایجاد شده‌اند که می‌توان از آنها برای پیش‌بینی و تخمین اطمینان و اعتبار آنها در فضاهای با ابعاد بالا با فرض معمول مستقل بودن و توزیع یکسان داده‌ها (فرض تصادفی) استفاده کرد. ). هدف دیگر این تک نگاری منحصر به فرد ترسیم برخی از محدودیت های پیش بینی است: رویکرد مبتنی بر نظریه الگوریتمی تصادفی بودن امکان اثبات عدم امکان پیش بینی در موقعیت های خاص را فراهم می کند. این کتاب توضیح می‌دهد که چگونه چندین مسئله مهم یادگیری ماشین، مانند تخمین چگالی در فضاهای با ابعاد بالا، در صورتی که تنها فرض تصادفی بودن باشد، قابل حل نیستند.
توضیحاتی درمورد کتاب به خارجی
Algorithmic Learning in a Random World describes recent theoretical and experimental developments in building computable approximations to Kolmogorov's algorithmic notion of randomness. Based on these approximations, a new set of machine learning algorithms have been developed that can be used to make predictions and to estimate their confidence and credibility in high-dimensional spaces under the usual assumption that the data are independent and identically distributed (assumption of randomness). Another aim of this unique monograph is to outline some limits of predictions: The approach based on algorithmic theory of randomness allows for the proof of impossibility of prediction in certain situations. The book describes how several important machine learning problems, such as density estimation in high-dimensional spaces, cannot be solved if the only assumption is randomness.
نظرات کاربران
کتاب های مرتبط
دانلود کتاب From Research to Road Map: Learning from the Arms for Development Initiative in Sierra Leone
دانلود کتاب Multicultural Literature for Children and Young Adults: Reflections on Critical Issues (Contributions to the Study of World Literature)
دانلود کتاب Plagiarism: Alchemy and Remedy in Higher Education
دانلود کتاب Censure and Sanctions (Oxford Monographs on Criminal Law and Justice)
دانلود کتاب The Globalisation of Charismatic Christianity
دانلود کتاب Organizing Words: A Critical Thesaurus for Social and Organization Studies
دانلود کتاب Supporting Student Learning: Case Studies, Experience and Practice from Higher Education (Case Studies of Teaching in Higher Education Series)
دانلود کتاب Angels and Principalities: The Background, Meaning and Development of the Pauline Phrase hai archai kai hai exousiai (Society for New Testament Studies Monograph Series)
