ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Algorithms for Sparsity-Constrained Optimization

دانلود کتاب الگوریتم های بهینه سازی Sparsity-Constrained

Algorithms for Sparsity-Constrained Optimization

مشخصات کتاب

Algorithms for Sparsity-Constrained Optimization

ویرایش: 1 
نویسندگان:   
سری: Springer Theses 261 
ISBN (شابک) : 9783319018805, 9783319018812 
ناشر: Springer International Publishing 
سال نشر: 2014 
تعداد صفحات: 124 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب Algorithms for Sparsity-Constrained Optimization 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 الگوریتم های بهینه سازی Sparsity-Constrained 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 الگوریتم های بهینه سازی Sparsity-Constrained



این پایان نامه تکنیک هایی را نشان می دهد که راه حل های سریعتر و دقیق تری برای انواع مشکلات در یادگیری ماشین و پردازش سیگنال ارائه می دهد. نویسنده یک الگوریتم "طمع" را پیشنهاد می کند که راه حل های پراکنده را با تضمین بهینه بدست می آورد. استفاده از این الگوریتم بسیاری از نادرستی‌هایی را که با استفاده از مدل‌های قبلی رخ داده بود، برطرف می‌کند.


توضیحاتی درمورد کتاب به خارجی

This thesis demonstrates techniques that provide faster and more accurate solutions to a variety of problems in machine learning and signal processing. The author proposes a "greedy" algorithm, deriving sparse solutions with guarantees of optimality. The use of this algorithm removes many of the inaccuracies that occurred with the use of previous models.



فهرست مطالب

Front Matter....Pages i-xxi
Introduction....Pages 1-3
Preliminaries....Pages 5-10
Sparsity-Constrained Optimization....Pages 11-35
1-Bit Compressed Sensing....Pages 37-49
Estimation Under Model-Based Sparsity....Pages 51-60
Projected Gradient Descent for ℓ p -Constrained Least Squares....Pages 61-69
Conclusion and Future Work....Pages 71-72
Back Matter....Pages 73-107




نظرات کاربران