دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Nello Cristianini. John Shawe-Taylor
سری:
ISBN (شابک) : 0521780195, 9780521780193
ناشر: Cambridge University Press
سال نشر: 2000
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای برای پشتیبانی از ماشینهای بردار و سایر روشهای یادگیری مبتنی بر هسته: هوش و معناشناسی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، نظریه اطلاعات، علوم کامپیوتر، کامپیوتر و فناوری، شبیه سازی کامپیوتر، علوم کامپیوتر، کامپیوتر و فناوری، الگوریتم ها، ساختارهای داده، ژنتیک، مدیریت حافظه، برنامه نویسی، کامپیوتر و فناوری، نرم افزار، حسابداری، Adobe، پایگاه داده، طراحی و گرافیک، ایمیل، برنامه های کاربردی سازمانی، ریاضی و آماری، مایکروسافت، تشخیص کاراکترهای نوری، امور مالی شخصی، نرم افزار ارائه، مدیریت پروژه
در صورت تبدیل فایل کتاب An Introduction to Support Vector Machines and Other Kernel-based Learning Methods 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 برای پشتیبانی از ماشینهای بردار و سایر روشهای یادگیری مبتنی بر هسته 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.
این اولین مقدمه جامع برای پشتیبان ماشین های برداری (SVM) است، یک سیستم یادگیری نسل جدید بر اساس پیشرفت های اخیر در نظریه یادگیری آماری. دانشآموزان کتاب را هم محرک و هم در دسترس خواهند یافت، در حالی که تمرینکنندگان به آرامی از طریق مطالب مورد نیاز برای درک خوب نظریه و کاربردهای آن راهنمایی خواهند شد. مفاهیم به تدریج در مراحل در دسترس و مستقل معرفی می شوند، در حالی که ارائه دقیق و کامل است. اشاره به ادبیات مرتبط و وب سایت های حاوی نرم افزار آن را به نقطه شروع ایده آلی برای مطالعه بیشتر تبدیل می کند.
This is the first comprehensive introduction to Support Vector Machines (SVMs), a new generation learning system based on recent advances in statistical learning theory. Students will find the book both stimulating and accessible, while practitioners will be guided smoothly through the material required for a good grasp of the theory and its applications. The concepts are introduced gradually in accessible and self-contained stages, while the presentation is rigorous and thorough. Pointers to relevant literature and web sites containing software make it an ideal starting point for further study.