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: [1st ed.] نویسندگان: Roy Streit, Robert Blair Angle, Murat Efe سری: ISBN (شابک) : 9783030611903, 9783030611910 ناشر: Springer International Publishing;Springer سال نشر: 2021 تعداد صفحات: XVI, 221 [228] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Analytic Combinatorics for Multiple Object Tracking 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 ترکیبی تحلیلی برای ردیابی چند شی 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 کتاب نشان میدهد که روش ترکیبشناسی تحلیلی (AC) مشکلات
ترکیبی ردیابی چند شی را - بدون از دست دادن اطلاعات - در
مشتقات یک تابع مولد (GF) رمزگذاری میکند. این کتاب مسیری آسان
برای دنبال کردن از تئوری تا عمل را نشان میدهد و شامل
نمونههای کاربردی برجسته AC است. از آنجایی که GF ها به طور
گسترده در میان جامعه ردیابی مورد استفاده قرار نمی گیرند، این
کتاب خواننده را از اصول موضوع به کاربردهای تئوری می برد که از
ساده ترین مسئله ردیابی شی منفرد شروع می شود، و فصل به فصل تا
مسائل چالش برانگیز ردیابی چند شیء پیش می رود. بسیاری از
فیلترهای ردیابی تاسیس شده (به عنوان مثال، Bayes-Markov، PDA،
JPDA، IPDA، JIPDA، CPHD، PHD، multi-Bernoulli، MBM، LMBM، و
MHT) با سادگی، صرفهجویی و وضوح قابلتوجه به این روش مشتق
شدهاند. روش AC بینشهای مهم و تازهای در مورد مفروضات
مدلسازی این فیلترها ارائه میدهد و در نتیجه، کاربرد بالقوه
روشهای تقریب مختلف را که تکنیکهای خوبی در ریاضیات و فیزیک
کاربردی هستند، اما برای ردیابی جدید هستند، نشان میدهد. این
احتمالات ناشناخته در فصل پایانی کتاب بررسی شده است.
The book shows that the analytic combinatorics (AC) method
encodes the combinatorial problems of multiple object
tracking—without information loss—into the derivatives of a
generating function (GF). The book lays out an easy-to-follow
path from theory to practice and includes salient AC
application examples. Since GFs are not widely utilized
amongst the tracking community, the book takes the reader
from the basics of the subject to applications of theory
starting from the simplest problem of single object tracking,
and advancing chapter by chapter to more challenging
multi-object tracking problems. Many established tracking
filters (e.g., Bayes-Markov, PDA, JPDA, IPDA, JIPDA, CPHD,
PHD, multi-Bernoulli, MBM, LMBM, and MHT) are derived in this
manner with simplicity, economy, and considerable clarity.
The AC method gives significant and fresh insights into the
modeling assumptions of these filters and, thereby, also
shows the potential utility of various approximation methods
that are well established techniques in applied mathematics
and physics, but are new to tracking. These unexplored
possibilities are reviewed in the final chapter of the
book.