مشخصات کتاب

An elementary introduction to statistical learning theory

ویرایش:  
نویسندگان: Sanjeev Kulkarni,  Gilbert Harman,  Wiley InterScience (Online service)  
سری: Wiley series in probability and statistics 
ISBN (شابک) : 9781118023471, 1118023439 
ناشر: Wiley 
سال نشر: 2011 
تعداد صفحات: 221 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

در صورت تبدیل فایل کتاب An elementary introduction to statistical learning theory 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 مقدمه ای ابتدایی در تئوری یادگیری آماری 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 مقدمه ای ابتدایی در تئوری یادگیری آماری

تلاش مشترک محققان برجسته در زمینه‌های فلسفه و مهندسی برق، مقدمه‌ای بر نظریه یادگیری آماری، مقدمه‌ای گسترده و قابل دسترس برای حوزه‌های به‌سرعت در حال تکامل تشخیص الگوی آماری و نظریه یادگیری آماری فراهم می‌کند. بررسی موضوعاتی که اغلب در مقدمه پوشش داده نمی‌شوند. نویسندگان کتاب‌های سطح تئوری یادگیری آماری، از جمله یادگیری PAC، بعد VC، و سادگی، سطوح فوق‌لیسانس و فارغ‌التحصیل را با نظریه پایه پشت یادگیری ماشینی معاصر ارائه می‌کنند و به‌طور منحصربه‌فرد پیشنهاد می‌کنند که به عنوان یک چارچوب عالی برای تفکر فلسفی در مورد استنتاج استقرایی عمل می‌کند. "--پشت جلد. ادامه مطلب... مقدمه: طبقه بندی، یادگیری، ویژگی ها و کاربردها -- احتمال -- چگالی احتمال -- مسئله تشخیص الگو -- قانون تصمیم گیری بیز بهینه -- یادگیری از مثال ها -- قانون نزدیکترین همسایه -- قوانین هسته -- شبکه های عصبی: پرسپترون ها -- شبکه های چند لایه -- یادگیری PAC -- بعد VC -- بعد VC بی نهایت -- مسئله تخمین تابع -- تخمین تابع یادگیری -- سادگی -- ماشین های بردار پشتیبانی -- تقویت

توضیحاتی درمورد کتاب به خارجی

"A joint endeavor from leading researchers in the fields of philosophy and electrical engineering An Introduction to Statistical Learning Theory provides a broad and accessible introduction to rapidly evolving field of statistical pattern recognition and statistical learning theory. Exploring topics that are not often covered in introductory level books on statistical learning theory, including PAC learning, VC dimension, and simplicity, the authors present upper-undergraduate and graduate levels with the basic theory behind contemporary machine learning and uniquely suggest it serves as an excellent framework for philosophical thinking about inductive inference"--Back cover. Read more... Introduction: Classification, Learning, Features, and Applications -- Probability -- Probability Densities -- The Pattern Recognition Problem -- The Optimal Bayes Decision Rule -- Learning from Examples -- The Nearest Neighbor Rule -- Kernel Rules -- Neural Networks: Perceptrons -- Multilayer Networks -- PAC Learning -- VC Dimension -- Infinite VC Dimension -- The Function Estimation Problem -- Learning Function Estimation -- Simplicity -- Support Vector Machines -- Boosting

فهرست مطالب

ch00.pdf......Page 1
ch1.pdf......Page 14
ch2.pdf......Page 23
ch3.pdf......Page 36
ch4.pdf......Page 47
ch5.pdf......Page 56
ch6.pdf......Page 68
ch7.pdf......Page 78
ch8.pdf......Page 87
ch9.pdf......Page 99
ch10.pdf......Page 112
ch11.pdf......Page 129
ch12.pdf......Page 138
ch13.pdf......Page 150
ch14.pdf......Page 157
ch15.pdf......Page 163
ch16.pdf......Page 173
ch17.pdf......Page 185
ch18.pdf......Page 200
ch19.pdf......Page 210
ch20.pdf......Page 216
ch21.pdf......Page 219

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Return to fitness: getting back in shape after injury, illness, or prolonged inactivity

دانلود کتاب Not Your Ordinary Housewife: How the Man I Loved Led Me into a World I Had Never Imagined

دانلود کتاب Carotenoids Other Than Vitamin A–III. Third International Symposium on Carotenoids Other Than Vitamin A

دانلود کتاب Markets in the making: rethinking competition, goods, and innovation

دانلود کتاب Stability Analysis and State Estimation of Memristive Neural Networks