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 Conformal Prediction for Reliable Machine Learning Theory, Adaptations and Applications

دانلود کتاب پیش بینی مطابق نظریه یادگیری ماشین قابل اطمینان ، سازگاری ها و کاربردها

Conformal Prediction for Reliable Machine Learning  Theory, Adaptations and Applications

مشخصات کتاب

Conformal Prediction for Reliable Machine Learning Theory, Adaptations and Applications

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9780123985378 
ناشر: Morgan Kaufmann 
سال نشر: 2014 
تعداد صفحات: 323 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 19


در صورت تبدیل فایل کتاب Conformal Prediction for Reliable Machine Learning Theory, Adaptations and Applications 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 پیش بینی مطابق نظریه یادگیری ماشین قابل اطمینان ، سازگاری ها و کاربردها 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 پیش بینی مطابق نظریه یادگیری ماشین قابل اطمینان ، سازگاری ها و کاربردها

چارچوب پیش‌بینی‌های منطبق، پیشرفت اخیر در یادگیری ماشینی است که می‌تواند معیار مطمئن اطمینان را با پیش‌بینی در هر برنامه تشخیص الگوی دنیای واقعی، از جمله برنامه‌های حساس به ریسک مانند تشخیص پزشکی، تشخیص چهره، و پیش‌بینی ریسک مالی مرتبط کند. پیش‌بینی‌های منطبق برای تئوری، انطباق‌ها و برنامه‌های یادگیری ماشین قابل اعتماد، تئوری اساسی چارچوب را به تصویر می‌کشد، نحوه اعمال آن را در مسائل دنیای واقعی نشان می‌دهد و چندین سازگاری از جمله یادگیری فعال، تشخیص تغییر، و تشخیص ناهنجاری را ارائه می‌دهد. همانطور که پزشکان و محققان در سراسر جهان چارچوب را اعمال و تطبیق می دهند، این جلد ویرایش شده این مجموعه کارها را گرد هم می آورد و سکوی پرشی برای تحقیقات بیشتر و همچنین کتابچه راهنمای استفاده در مشکلات دنیای واقعی فراهم می کند.


توضیحاتی درمورد کتاب به خارجی

The conformal predictions framework is a recent development in machine learning that can associate a reliable measure of confidence with a prediction in any real-world pattern recognition application, including risk-sensitive applications such as medical diagnosis, face recognition, and financial risk prediction. Conformal Predictions for Reliable Machine Learning Theory, Adaptations and Applications captures the basic theory of the framework, demonstrates how to apply it to real-world problems, and presents several adaptations, including active learning, change detection, and anomaly detection. As practitioners and researchers around the world apply and adapt the framework, this edited volume brings together these bodies of work, providing a springboard for further research as well as a handbook for application in real-world problems.



فهرست مطالب

Content: 
Conformal Prediction for Reliable Machine Learning, Page i
Conformal Prediction for Reliable Machine Learning, Page iii
Copyright, Page iv
Copyright Permissions, Page v
Contributing Authors, Pages xiii-xiv
Foreword, Pages xv-xvi
Preface, Pages xvii-xxiii
Chapter 1 - The Basic Conformal Prediction Framework, Pages 3-19, Vladimir Vovk
Chapter 2 - Beyond the Basic Conformal Prediction Framework, Pages 21-46, Vladimir Vovk
Chapter 3 - Active Learning, Pages 49-70, Vineeth N. Balasubramanian, Shayok Chakraborty, Shen-Shyang Ho, Harry Wechsler, Sethuraman Panchanathan
Chapter 4 - Anomaly Detection, Pages 71-97, Rikard Laxhammar
Chapter 5 - Online Change Detection, Pages 99-114, Shen-Shyang Ho, Harry Wechsler
Chapter 6 - Feature Selection, Pages 115-130, Tony Bellotti, Ilia Nouretdinov, Meng Yang, Alexander Gammerman
Chapter 7 - Model Selection, Pages 131-143, David R. Hardoon, Zakria Hussain, John Shawe-Taylor
Chapter 8 - Prediction Quality Assessment, Pages 145-166, Matjaž Kukar
Chapter 9 - Other Adaptations, Pages 167-185, Vineeth N. Balasubramanian, Prasanth Lade, Hemanth Venkateswara, Evgueni Smirnov, Sethuraman Panchanathan
Chapter 10 - Biometrics and Robust Face Recognition, Pages 189-215, Harry Wechsler, Fayin Li
Chapter 11 - Biomedical Applications: Diagnostic and Prognostic, Pages 217-230, Ilia Nouretdinov, Tony Bellotti, Alexander Gammerman
Chapter 12 - Network Traffic Classification and Demand Prediction, Pages 231-259, Mikhail Dashevskiy, Zhiyuan Luo
Chapter 13 - Other Applications, Pages 261-271, Shen-Shyang Ho
Bibliography, Pages 273-293
Index, Pages 295-298




نظرات کاربران