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 Artificial neural networks and statistical pattern recognition : old and new connections

دانلود کتاب شبکه های عصبی مصنوعی و تشخیص الگوی آماری: اتصالات قدیمی و جدید

Artificial neural networks and statistical pattern recognition : old and new connections

مشخصات کتاب

Artificial neural networks and statistical pattern recognition : old and new connections

ویرایش:  
نویسندگان: ,   
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 

قیمت کتاب (تومان) : 66,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


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.


توضیحاتی در مورد کتاب شبکه های عصبی مصنوعی و تشخیص الگوی آماری: اتصالات قدیمی و جدید

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


توضیحاتی درمورد کتاب به خارجی

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





نظرات کاربران