دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data-Driven Computational Neuroscience: Machine Learning and Statistical Models
دانلود کتاب علوم اعصاب محاسباتی داده محور: یادگیری ماشین و مدل های آماری
مشخصات کتاب
Data-Driven Computational Neuroscience: Machine Learning and Statistical Models
ویرایش:
نویسندگان: Concha Bielza. Pedro Larrañaga
سری:
ISBN (شابک) : 110849370X, 9781108493703
ناشر: Cambridge University Press
سال نشر: 2020
تعداد صفحات: 708
[747]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 42 Mb
قیمت کتاب (تومان) : 45,000
در صورت تبدیل فایل کتاب Data-Driven Computational Neuroscience: Machine Learning and Statistical Models 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 علوم اعصاب محاسباتی داده محور: یادگیری ماشین و مدل های آماری 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 علوم اعصاب محاسباتی داده محور: یادگیری ماشین و مدل های آماری
علوم اعصاب محاسباتی مبتنی بر داده، تبدیل داده ها به بینش در ساختار و عملکرد مغز را تسهیل می کند. این مقدمه برای محققان و دانشجویان فارغ التحصیل اولین درمان عمیق و جامع روش های آماری و یادگیری ماشینی برای علوم اعصاب است. روش‌ها از طریق مطالعات موردی مشکلات واقعی نشان داده می‌شوند تا خوانندگان بتوانند راه‌حل‌های خود را بسازند. این کتاب طیف گسترده‌ای از روش‌ها را پوشش می‌دهد، از جمله طبقه‌بندی نظارت شده با مدل‌های غیر احتمالی (نزدیک‌ترین همسایه‌ها، درخت‌های طبقه‌بندی، القای قوانین، شبکه‌های عصبی مصنوعی و ماشین‌های بردار پشتیبان) و مدل‌های احتمالی (تحلیل تمایز، رگرسیون لجستیک و طبقه‌بندی‌کننده‌های شبکه بیزی). ، متا طبقه بندی کننده ها، طبقه بندی کننده های چند بعدی و روش های انتخاب زیر مجموعه ویژگی ها. بخش‌های دیگر کتاب به کشف ارتباط با مدل‌های گرافیکی احتمالی (شبکه‌های بیزی و شبکه‌های مارکوف) و آمار فضایی با فرآیندهای نقطه‌ای (تصادفی و خوشه‌ای کامل فضایی، فرآیندهای منظم و گیبس) اختصاص دارد. سطوح علوم اعصاب سلولی، ساختاری، عملکردی، پزشکی و رفتاری در نظر گرفته شده است.
توضیحاتی درمورد کتاب به خارجی
Data-driven computational neuroscience facilitates the transformation of data into insights into the structure and functions of the brain. This introduction for researchers and graduate students is the first in-depth, comprehensive treatment of statistical and machine learning methods for neuroscience. The methods are demonstrated through case studies of real problems to empower readers to build their own solutions. The book covers a wide variety of methods, including supervised classification with non-probabilistic models (nearest-neighbors, classification trees, rule induction, artificial neural networks and support vector machines) and probabilistic models (discriminant analysis, logistic regression and Bayesian network classifiers), meta-classifiers, multi-dimensional classifiers and feature subset selection methods. Other parts of the book are devoted to association discovery with probabilistic graphical models (Bayesian networks and Markov networks) and spatial statistics with point processes (complete spatial randomness and cluster, regular and Gibbs processes). Cellular, structural, functional, medical and behavioral neuroscience levels are considered.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Corruption in the Or
دانلود کتاب Aufbau der Geometrie aus dem Spiegelungsbegriff
دانلود کتاب Geek Nation
