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 ed.] نویسندگان: Radhakrishnan Nagarajan, Marco Scutari, Sophie Lèbre (auth.) سری: Use R! 48 ISBN (شابک) : 9781461464457, 9781461464464 ناشر: Springer-Verlag New York سال نشر: 2013 تعداد صفحات: 157 [168] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Bayesian Networks in R: with Applications in Systems Biology 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 بیزی در R: با کاربردهایی در سیستم زیست شناسی 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.
شبکههای بیزی در R با کاربردها در زیستشناسی سیستمها منحصربهفرد است زیرا خواننده را با مفاهیم اساسی در مدلسازی شبکه بیزی و استنتاج همراه با مثالهایی در محیط آماری منبع باز آشنا میکند. R. سطح پیچیدگی نیز به تدریج در سراسر فصل ها با تمرین ها و راه حل هایی برای درک بهتر برای آزمایش عملی نظریه و مفاهیم افزایش می یابد. این برنامه بر روی زیست شناسی سیستم ها با تأکید بر مدل سازی مسیرها و مکانیسم های سیگنال دهی از داده های مولکولی با کارایی بالا تمرکز دارد. ثابت شده است که شبکه های بیزی انتزاعات مفیدی در این زمینه هستند. سودمندی آنها بهویژه با توانایی آنها در کشف ارتباطهای جدید علاوه بر اعتبارسنجی موارد شناختهشده در بین مولکولهای مورد علاقه، نشان داده میشود. همچنین انتظار میرود که رواج مجموعههای دادههای بیولوژیکی با کارآیی بالا در دسترس عموم، مخاطب را تشویق کند تا با استفاده از رویکردهای ارائهشده در کتاب، الگوهای جدید را بررسی کند.
Bayesian Networks in R with Applications in Systems Biology is unique as it introduces the reader to the essential concepts in Bayesian network modeling and inference in conjunction with examples in the open-source statistical environment R. The level of sophistication is also gradually increased across the chapters with exercises and solutions for enhanced understanding for hands-on experimentation of the theory and concepts. The application focuses on systems biology with emphasis on modeling pathways and signaling mechanisms from high-throughput molecular data. Bayesian networks have proven to be especially useful abstractions in this regard. Their usefulness is especially exemplified by their ability to discover new associations in addition to validating known ones across the molecules of interest. It is also expected that the prevalence of publicly available high-throughput biological data sets may encourage the audience to explore investigating novel paradigms using the approaches presented in the book.
Front Matter....Pages i-xiii
Introduction....Pages 1-12
Bayesian Networks in the Absence of Temporal Information....Pages 13-58
Bayesian Networks in the Presence of Temporal Information....Pages 59-83
Bayesian Network Inference Algorithms....Pages 85-101
Parallel Computing for Bayesian Networks....Pages 103-123
Back Matter....Pages 125-157