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: First edition
نویسندگان: Majumdar. Angshul
سری: Devices circuits and systems
ISBN (شابک) : 9780815365563, 1351261363
ناشر: CRC Press
سال نشر: 2019
تعداد صفحات: 293
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 18 مگابایت
کلمات کلیدی مربوط به کتاب سنجش فشرده برای مهندسان: سنجش فشرده (ارتباطات)، پردازش تصویر، تکنیک های دیجیتال، فشرده سازی تصویر، پردازش سیگنال، ریاضیات، فشرده سازی تصویر، پردازش تصویر، تکنیک های دیجیتال، پردازش سیگنال، ریاضیات
در صورت تبدیل فایل کتاب Compressed sensing for engineers 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 سنجش فشرده برای مهندسان 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.
\"حسگر فشرده (CS)
در تئوری با مشکل بازیابی سیگنال پراکنده از یک سیستم معادلات
خطی که کمتر تعیین شده است. موضوع از اهمیت عملی بسیار بالایی
برخوردار است زیرا همه سیگنال های طبیعی را می توان به صورت
پراکنده در برخی حوزه ها نشان داد. در گذشته اخیر، CS به کاهش
زمان اسکن در تصویربرداری تشدید مغناطیسی کمک کرده است (اسکن ها
را امکان پذیرتر می کند. موضوعات اطفال و سالمندان) و کاهش
خطرات سلامتی در CT محاسبه شده با اشعه ایکس. این کتاب برای یک
دانشجوی مهندسی در پردازش سیگنال مناسب است و نیاز به درک اولیه
پردازش سیگنال و جبر خطی دارد\"--P ارائه شده توسط ناشر
ادامه
مطلب...
چکیده: الگوریتم های حریص -- بازیابی پراکنده -- شرکت -بازیابی
پراکنده - پراکندگی گروهی - پراکندگی مشترک - بازیابی ماتریس با
رتبه پایین - بازیابی ترکیبی پراکنده و کم رتبه - یادگیری فرهنگ
لغت - تصویربرداری پزشکی - بازسازی سیگنال زیست پزشکی - رگرسیون
- طبقه بندی - تصویربرداری محاسباتی -- Denoising
\" Sensing Compresed (CS) در تئوری با مشکل بازیابی سیگنال پراکنده از یک سیستم معادلات خطی تعریف نشده سروکار دارد. موضوع از اهمیت عملی بسیار بالایی برخوردار است زیرا همه سیگنالهای طبیعی میتوانند بهصورت پراکنده در برخی حوزهها نمایش داده شوند. در گذشتههای اخیر، CS به کاهش زمان اسکن در تصویربرداری تشدید مغناطیسی (که اسکنها را برای افراد اطفال و سالمندان امکانپذیر میکند) و کاهش خطرات سلامتی در CT رایانش اشعه ایکس کمک کرده است. این کتاب برای یک دانشجوی مهندسی در پردازش سیگنال مناسب است و نیاز به درک اولیه از پردازش سیگنال و جبر خطی دارد \"- ارائه شده توسط ناشر
"Compressed
Sensing (CS) in theory deals with the problem of recovering a
sparse signal from an under-determined system of linear
equations. The topic is of immense practical significance
since all naturally occurring signals can be sparsely
represented in some domain. In the recent past, CS has helped
reduce scan time in Magnetic Resonance Imaging (making scans
more feasible for pediatric and geriatric subjects) and
reduce the health hazard in X-Ray Computed CT. The book with
be suitable for an engineering student in signal processing
and requires a basic understanding of signal processing and
linear algebra"--Provided by publisher Read
more...
Abstract: Greedy algorithms -- Sparse recovery -- Co-sparse
recovery -- Group sparsity -- Joint sparsity -- Low-rank
matrix recovery -- Combined sparse and low-rank recovery --
Dictionary learning -- Medical imaging -- Biomedical signal
reconstruction -- Regression -- Classification --
Computational imaging -- Denoising
"Compressed Sensing (CS) in theory deals with the problem of recovering a sparse signal from an under-determined system of linear equations. The topic is of immense practical significance since all naturally occurring signals can be sparsely represented in some domain. In the recent past, CS has helped reduce scan time in Magnetic Resonance Imaging (making scans more feasible for pediatric and geriatric subjects) and reduce the health hazard in X-Ray Computed CT. The book with be suitable for an engineering student in signal processing and requires a basic understanding of signal processing and linear algebra"--Provided by publisher