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 نویسندگان: Guo-Zheng Li, Xue-Qiang Zeng (auth.), Ajith Abraham, Aboul-Ella Hassanien, Václav Snášel (eds.) سری: Studies in Computational Intelligence 205 ISBN (شابک) : 9783642015366, 9783642015359 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2009 تعداد صفحات: 378 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب مبانی هوش محاسباتی. دوره 5: تقریب و طبقه بندی تابع: کاربردی ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Foundations of Computational Intelligence Volume 5: Function Approximation and Classification 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 مبانی هوش محاسباتی. دوره 5: تقریب و طبقه بندی تابع 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.
تئوری تقریب، حوزهای از تحلیل است که به توانایی تقریب توابع توسط توابع سادهتر و با سهولت محاسبه میپردازد. این حوزه ای است که مانند بسیاری از زمینه های تحلیل دیگر، ریشه اصلی خود را در ریاضیات دارد. نیاز به تقریب و طبقه بندی توابع در بسیاری از شاخه های ریاضیات کاربردی، علوم کامپیوتر و داده کاوی به ویژه ایجاد می شود.
این جلد ویرایش شده شامل 14 فصل، شامل چندین فصل کلی است که تحقیقاتی به روز و پیشرفته را ارائه می کند که تئوری و الگوریتم های تابع را پوشش می دهد. تقریب و طبقه بندی علاوه بر مقالات تحقیقاتی و مقالات توضیحی در مورد تئوری و الگوریتمهای تقریب و طبقهبندی توابع، مقالاتی در مورد آزمایشهای عددی و کاربردهای دنیای واقعی نیز تشویق شدند.
جلد به دو بخش تقسیم میشود: بخش اول: تقریب و طبقهبندی تابع - مبانی نظری و بخش دوم: تقریب و طبقهبندی تابع - داستانهای موفقیت و کاربردهای دنیای واقعی.
Approximation theory is that area of analysis which is concerned with the ability to approximate functions by simpler and more easily calculated functions. It is an area which, like many other fields of analysis, has its primary roots in the mathematics.The need for function approximation and classification arises in many branches of applied mathematics, computer science and data mining in particular.
This edited volume comprises of 14 chapters, including several overview Chapters, which provides an up-to-date and state-of-the art research covering the theory and algorithms of function approximation and classification. Besides research articles and expository papers on theory and algorithms of function approximation and classification, papers on numerical experiments and real world applications were also encouraged.
The Volume is divided into 2 parts: Part-I: Function Approximation and Classification – Theoretical Foundations and Part-II: Function Approximation and Classification – Success Stories and Real World Applications.
Front Matter....Pages -
Front Matter....Pages 1-1
Feature Selection for Partial Least Square Based Dimension Reduction....Pages 3-37
Classification by the Use of Decomposition of Correlation Integral....Pages 39-55
Investigating Neighborhood Graphs for Inducing Density Based Clusters....Pages 57-78
Some Issues on Extensions of Information and Dynamic Information Systems....Pages 79-106
A Probabilistic Approach to the Evaluation and Combination of Preferences....Pages 107-125
Use of the q -Gaussian Function in Radial Basis Function Networks....Pages 127-145
Front Matter....Pages 147-147
Novel Biomarkers for Prostate Cancer Revealed by ( α , β )- k -Feature Sets....Pages 149-175
A Tutorial on Multi-label Classification Techniques....Pages 177-195
Computational Intelligence in Biomedical Image Processing....Pages 197-222
A Comparative Study of Three Graph Edit Distance Algorithms....Pages 223-242
Classification of Complex Molecules....Pages 243-315
Intelligent Finite Element Method and Application to Simulation of Behavior of Soils under Cyclic Loading....Pages 317-338
An Empirical Evaluation of the Effectiveness of Different Types of Predictor Attributes in Protein Function Prediction....Pages 339-357
Genetic Selection Algorithm and Cloning for Data Mining with GMDH Method....Pages 359-376
Back Matter....Pages -