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: نویسندگان: Ishwar K Sethi, Anil K Jain سری: Machine Intelligence and Pattern Recognition 11 ISBN (شابک) : 0444887407, 9780444887412 ناشر: North Holland سال نشر: 1991 تعداد صفحات: xiv, 271 pages : ill ; 24 cm [2 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 Mb
در صورت تبدیل فایل کتاب Artificial neural networks and statistical pattern recognition : old and new connections 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 شبکه های عصبی مصنوعی و تشخیص الگوی آماری: اتصالات قدیمی و جدید 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.
با پیچیدگی فزاینده مشکلات مربوط به تشخیص الگو که با استفاده از
شبکههای عصبی مصنوعی حل میشوند، بسیاری از محققان ANN با مسائل
طراحی مانند اندازه شبکه، تعداد الگوهای آموزشی و ارزیابی عملکرد
و محدودیتها دست و پنجه نرم میکنند. این محققان به طور مداوم در
حال کشف مجدد این هستند که بسیاری از روش های یادگیری فاقد خاصیت
مقیاس بندی هستند. رویهها به سادگی شکست میخورند، یا زمانی که
برای مشکلات بزرگتر اعمال میشوند، نتایج رضایتبخشی ندارند.
پدیده هایی مانند این برای محققان در تشخیص الگوی آماری (SPR)
بسیار آشنا هستند، جایی که نفرین ابعاد
یک معضل شناخته شده
است. مسائل مربوط به اندازههای نمونه آموزشی و آزمایشی، ابعاد
فضای ویژگی، و قدرت تمایز انواع مختلف طبقهبندی کننده، همگی به
طور گسترده در ادبیات SPR مورد مطالعه قرار گرفتهاند. با این
حال، به نظر می رسد که بسیاری از محققان ANN که به مشکلات تشخیص
الگو می پردازند، از پیوندهای بین رشته خود و SPR آگاه نیستند و
بنابراین نمی توانند با موفقیت از کارهایی که قبلاً در SPR انجام
شده است استفاده کنند. به طور مشابه، بسیاری از محققین تشخیص الگو
و بینایی کامپیوتری، پتانسیل رویکرد ANN را برای حل مشکلاتی مانند
استخراج ویژگی، بخشبندی و تشخیص اشیا درک نمیکنند. جلد حاضر به
عنوان کمکی به تعامل بیشتر بین جوامع تحقیقاتی ANN و SPR طراحی
شده است
With the growing complexity of pattern recognition related
problems being solved using Artificial Neural Networks, many
ANN researchers are grappling with design issues such as the
size of the network, the number of training patterns, and
performance assessment and bounds. These researchers are
continually rediscovering that many learning procedures lack
the scaling property; the procedures simply fail, or yield
unsatisfactory results when applied to problems of bigger size.
Phenomena like these are very familiar to researchers in
statistical pattern recognition (SPR), where the curse of
dimensionality
is a well-known dilemma. Issues related to
the training and test sample sizes, feature space
dimensionality, and the discriminatory power of different
classifier types have all been extensively studied in the SPR
literature. It appears however that many ANN researchers
looking at pattern recognition problems are not aware of the
ties between their field and SPR, and are therefore unable to
successfully exploit work that has already been done in SPR.
Similarly, many pattern recognition and computer vision
researchers do not realize the potential of the ANN approach to
solve problems such as feature extraction, segmentation, and
object recognition. The present volume is designed as a
contribution to the greater interaction between the ANN and SPR
research communities