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: نویسندگان: Awad. Mariette, Khanna. Rahul سری: Expert's voice in machine learning ISBN (شابک) : 9781430259909, 1430259906 ناشر: Apress سال نشر: 2015 تعداد صفحات: 263 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب نظریه ها، مفاهیم و کاربردهای ماشین های یادگیری کارآمد برای مهندسان و طراحان سیستم: هوش مصنوعی، هوش مصنوعی (رباتیک)، علوم کامپیوتر
در صورت تبدیل فایل کتاب Efficient learning machines theories, concepts, and applications for engineers and system designers 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 نظریه ها، مفاهیم و کاربردهای ماشین های یادگیری کارآمد برای مهندسان و طراحان سیستم 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.
تکنیکهای یادگیری ماشینی جایگزینهای مقرونبهصرفهای برای روشهای سنتی برای استخراج روابط اساسی بین اطلاعات و دادهها و برای پیشبینی رویدادهای آینده با پردازش اطلاعات موجود برای مدلهای آموزشی فراهم میکنند. ماشینهای یادگیری کارآمد موضوعات اصلی یادگیری ماشین، از جمله کشف دانش، طبقهبندی، الگوریتمهای ژنتیک، شبکههای عصبی، روشهای هسته و تکنیکهای الهامگرفته از بیولوژیک را بررسی میکنند. رویکرد مصنوعی Mariette Awad و Rahul Khannas بیان نظری، اصول طراحی و کاربردهای عملی یادگیری ماشینی کارآمد را با هم ترکیب میکند. تاکید تجربی آنها، که در تحلیل دقیق الگوریتمهای نمونه در سراسر کتاب بیان شده است، با هدف تجهیز مهندسان، دانشجویان مهندسی و طراحان سیستم برای طراحی و ایجاد سیستمهای یادگیری ماشینی جدید و کارآمدتر است. خوانندگان ماشین های یادگیری کارآمد یاد خواهند گرفت که چگونه مشکلاتی را که فناوری یادگیری ماشینی ...
Machine learning techniques provide cost-effective alternatives to traditional methods for extracting underlying relationships between information and data and for predicting future events by processing existing information to train models. Efficient Learning Machines explores the major topics of machine learning, including knowledge discovery, classifications, genetic algorithms, neural networking, kernel methods, and biologically-inspired techniques. Mariette Awad and Rahul Khannas synthetic approach weaves together the theoretical exposition, design principles, and practical applications of efficient machine learning. Their experiential emphasis, expressed in their close analysis of sample algorithms throughout the book, aims to equip engineers, students of engineering, and system designers to design and create new and more efficient machine learning systems. Readers of Efficient Learning Machines will learn how to recognize and analyze the problems that machine learning technology ...
Chapter 1. Machine LearningChapter 2. Machine Learning and Knowledge DiscoveryChapter 3. Support Vector Machines for ClassificationChapter 4. Support Vector RegressionChapter 5. Hidden Markov ModelChapter 6. Bio-Inspired Computing: Swarm IntelligenceChapter 7. Deep Neural NetworksChapter 8. Cortical AlgorithmsChapter 9. Deep LearningChapter 10. Multiobjective OptimizationChapter 11. Machine Learning in Action: Examples