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: سری: Chapman & Hall/CRC Machine Learning & Pattern Recognition ISBN (شابک) : 1482226669, 9781482226676 ناشر: Chapman & Hall Crc سال نشر: 2014 تعداد صفحات: 227 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Computational trust models and machine learning 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 مدل های اعتماد محاسباتی و یادگیری ماشین 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.
مدلهای اعتماد محاسباتی و یادگیری ماشین مقدمهای مفصل بر مفهوم اعتماد و کاربرد آن در حوزههای مختلف علوم رایانه، از جمله سیستمهای چند عاملی، شبکههای اجتماعی آنلاین و سیستمهای ارتباطی ارائه میکند. شناسایی چالشهای مدلسازی اعتماد که با رویکردهای سنتی قابل پرداخت نیستند، این کتاب: توضیح میدهد که چگونه سیستمهای مبتنی بر شهرت برای تعیین اعتماد در جوامع آنلاین متنوع استفاده میشوند، توضیح میدهد که چگونه تکنیکهای یادگیری ماشین برای ایجاد سیستمهای شهرت قوی به کار گرفته میشوند. دو رویکرد متمایز برای تعیین اعتبار را بررسی میکند. منابع - یکی که در آن نقش انسان ضمنی است، و یکی که به طور صریح از ورودی های انسانی استفاده می کند، نشان می دهد که چگونه پشتیبانی تصمیم می تواند توسط مدل های اعتماد محاسباتی تسهیل شود. بحث در مورد سیستم های توصیه آگاه از اعتماد مبتنی بر فیلتر مشارکتی چارچوبی را برای تبدیل یک مشکل مدل سازی اعتماد به یک مشکل یادگیری تعریف می کند. عینیت بازخورد انسانی را بررسی میکند، با تأکید بر نیاز به فیلتر کردن نظرات دور از ذهن، مدلهای اعتماد محاسباتی و یادگیری ماشینی به طور موثر نشان میدهد که چگونه تکنیکهای جدید یادگیری ماشین میتوانند دقت ارزیابی اعتماد را بهبود بخشند.
Computational Trust Models and Machine Learning provides a detailed introduction to the concept of trust and its application in various computer science areas, including multi-agent systems, online social networks, and communication systems. Identifying trust modeling challenges that cannot be addressed by traditional approaches, this book: Explains how reputation-based systems are used to determine trust in diverse online communities Describes how machine learning techniques are employed to build robust reputation systems Explores two distinctive approaches to determining credibility of resources—one where the human role is implicit, and one that leverages human input explicitly Shows how decision support can be facilitated by computational trust models Discusses collaborative filtering-based trust aware recommendation systems Defines a framework for translating a trust modeling problem into a learning problem Investigates the objectivity of human feedback, emphasizing the need to filter out outlying opinions Computational Trust Models and Machine Learning effectively demonstrates how novel machine learning techniques can improve the accuracy of trust assessment.