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: Christian Bessiere, Luc De Raedt, Lars Kotthoff, Siegfried Nijssen, Barry O'Sullivan, Dino Pedreschi (eds.) سری: Lecture Notes in Computer Science 10101 ISBN (شابک) : 9783319501369, 9783319501376 ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: XII, 349 [352] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 Mb
در صورت تبدیل فایل کتاب Data Mining and Constraint Programming: Foundations of a Cross-Disciplinary Approach 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 داده کاوی و برنامه نویسی محدودیت: مبانی یک رویکرد بین رشته ای 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.
یکپارچگی موفقیت آمیز برنامه نویسی محدودیت و داده کاوی این پتانسیل را دارد که به یک پارادایم جدید ICT با پیامدهای گسترده منجر شود. این می تواند چهره داده کاوی و یادگیری ماشین و همچنین فناوری برنامه نویسی محدودیت را تغییر دهد. این نه تنها به فرد اجازه می دهد تا از تکنیک های داده کاوی در برنامه نویسی محدودیت برای شناسایی و به روز رسانی محدودیت ها و معیارهای بهینه سازی استفاده کند، بلکه به استفاده از محدودیت ها و معیارها در داده کاوی و یادگیری ماشینی برای کشف مدل های سازگار با دانش قبلی نیز کمک می کند.
این کتاب برخی از نتایج کلیدی بهدستآمده از این رویکرد یکپارچه و بین رشتهای را در پروژه FP7 FET Open اروپا گزارش میدهد. 284715 در مورد "برنامه نویسی محدودیت القایی" و تعدادی کارگاه آموزشی مرتبط و سمینارهای Dagstuhl. این کتاب در پنج بخش ساختار یافته است: پس زمینه; یادگیری مدل سازی؛ یادگیری حل کردن؛ برنامه نویسی محدودیت برای داده کاوی؛ و ویترین ها
A successful integration of constraint programming and data mining has the potential to lead to a new ICT paradigm with far reaching implications. It could change the face of data mining and machine learning, as well as constraint programming technology. It would not only allow one to use data mining techniques in constraint programming to identify and update constraints and optimization criteria, but also to employ constraints and criteria in data mining and machine learning in order to discover models compatible with prior knowledge.
This book reports on some key results obtained on this integrated and cross- disciplinary approach within the European FP7 FET Open project no. 284715 on “Inductive Constraint Programming” and a number of associated workshops and Dagstuhl seminars. The book is structured in five parts: background; learning to model; learning to solve; constraint programming for data mining; and showcases.