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: Celeux. Gilles, Frühwirth-Schnatter. Sylvia, Robert. Christian P سری: Chapman & Hall/CRC handbooks of modern statistical methods ISBN (شابک) : 9780429055911, 0429508247 ناشر: Chapman and Hall/CRC سال نشر: 2018 تعداد صفحات: 522 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 64 Mb
در صورت تبدیل فایل کتاب Handbook of Mixture Analysis 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 کتابچه راهنمای تجزیه و تحلیل مخلوط 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.
مدلهای مخلوط بیش از 150 سال است که وجود داشتهاند و در بسیاری
از شاخههای مدلسازی آماری بهعنوان ابزاری همهکاره و چندوجهی
یافت میشوند. آنها را می توان در طیف گسترده ای از داده ها اعمال
کرد: تک متغیره یا چند متغیره، پیوسته یا طبقه بندی شده، مقطعی،
سری زمانی، شبکه ها و بسیاری موارد دیگر. تجزیه و تحلیل مخلوط یک
موضوع تحقیقاتی بسیار فعال در آمار و یادگیری ماشین است، با
پیشرفتهای جدید در روششناسی و کاربردهای. کتاب راهنمای تجزیه و تحلیل
مخلوط یک انتشار بسیار به موقع است که نمای کلی از روش ها و
کاربردهای این زمینه مهم تحقیقاتی را ارائه می دهد. این مجموعه
گسترده ای از موضوعات را پوشش می دهد، از جمله الگوریتم EM، مدل
های مخلوط بیزی، خوشه بندی مبتنی بر مدل، داده های با ابعاد بالا،
مدل های پنهان مارکوف، و برنامه های کاربردی در امور مالی، ژنومیک
و نجوم. ویژگی ها: یک نمای کلی جامع از روش ها و کاربردهای مدل
سازی و تجزیه و تحلیل مخلوط ارائه می دهد که به سه بخش تقسیم می
شود: مبانی و روش ها. مدل سازی و الحاقات مخلوط. و برنامه های
منتخب شامل نمونه های کار شده بسیاری با استفاده از داده های
واقعی، همراه با پیاده سازی محاسباتی، برای نشان دادن روش های شرح
داده شده، شامل مشارکت های محققان برجسته در این زمینه است.
همچنین برای هر کسی که در این زمینه کار میکند، چه در حال توسعه
روششناسی جدید باشد، چه در حال استفاده از مدلها در مسائل علمی
واقعی، مرجع مهمی خواهد بود. بیشتر
بخوانید..
چکیده: مدلهای مخلوط بیش از 150 سال است که وجود داشتهاند و در
بسیاری از شاخههای مدلسازی آماری بهعنوان ابزاری همهکاره و
چندوجهی یافت میشوند. آنها را می توان در طیف گسترده ای از داده
ها اعمال کرد: تک متغیره یا چند متغیره، پیوسته یا طبقه بندی شده،
مقطعی، سری زمانی، شبکه ها و بسیاری موارد دیگر. تجزیه و تحلیل
مخلوط یک موضوع تحقیقاتی بسیار فعال در آمار و یادگیری ماشین است،
با پیشرفتهای جدید در روششناسی و کاربردها همیشه در حال وقوع
است. کتاب راهنمای تجزیه و تحلیل مخلوط یک انتشار بسیار به موقع
است که نمای کلی از روش ها و کاربردهای این زمینه مهم تحقیقاتی را
ارائه می دهد. این مجموعه گسترده ای از موضوعات را پوشش می دهد،
از جمله الگوریتم EM، مدل های مخلوط بیزی، خوشه بندی مبتنی بر
مدل، داده های با ابعاد بالا، مدل های پنهان مارکوف، و برنامه های
کاربردی در امور مالی، ژنومیک و نجوم. ویژگی ها: یک نمای کلی جامع
از روش ها و کاربردهای مدل سازی و تجزیه و تحلیل مخلوط ارائه می
دهد که به سه بخش تقسیم می شود: مبانی و روش ها. مدل سازی و
الحاقات مخلوط. و برنامه های منتخب شامل نمونه های کار شده بسیاری
با استفاده از داده های واقعی، همراه با پیاده سازی محاسباتی،
برای نشان دادن روش های شرح داده شده، شامل مشارکت های محققان
برجسته در این زمینه است. همچنین یک مرجع مهم برای هر کسی که در
این زمینه کار می کند، خواه در حال توسعه روش شناسی جدید باشد، یا
استفاده از مدل ها برای مسائل علمی واقعی خواهد بود.
Mixture models have been around for over 150 years, and they
are found in many branches of statistical modelling, as a
versatile and multifaceted tool. They can be applied to a wide
range of data: univariate or multivariate, continuous or
categorical, cross-sectional, time series, networks, and much
more. Mixture analysis is a very active research topic in
statistics and machine learning, with new developments in
methodology and
applications taking place all the time. The Handbook of Mixture
Analysis is a very timely publication, presenting a broad
overview of the methods and applications of this important
field of research. It covers a wide array of topics, including
the EM algorithm, Bayesian mixture models, model-based
clustering, high-dimensional data, hidden Markov models, and
applications in finance, genomics, and astronomy. Features:
Provides a comprehensive overview of the methods and
applications of mixture modelling and analysis Divided into
three parts: Foundations and Methods; Mixture Modelling and
Extensions; and Selected Applications Contains many worked
examples using real data, together with computational
implementation, to illustrate the methods described Includes
contributions from the leading researchers in the field The
Handbook of Mixture Analysis is targeted at graduate students
and young researchers new to the field. It will also be an
important reference for anyone working in this field, whether
they are developing new methodology, or applying the models to
real scientific problems. Read
more...
Abstract: Mixture models have been around for over 150 years,
and they are found in many branches of statistical modelling,
as a versatile and multifaceted tool. They can be applied to a
wide range of data: univariate or multivariate, continuous or
categorical, cross-sectional, time series, networks, and much
more. Mixture analysis is a very active research topic in
statistics and machine learning, with new developments in
methodology and applications taking place all the time. The
Handbook of Mixture Analysis is a very timely publication,
presenting a broad overview of the methods and applications of
this important field of research. It covers a wide array of
topics, including the EM algorithm, Bayesian mixture models,
model-based clustering, high-dimensional data, hidden Markov
models, and applications in finance, genomics, and astronomy.
Features: Provides a comprehensive overview of the methods and
applications of mixture modelling and analysis Divided into
three parts: Foundations and Methods; Mixture Modelling and
Extensions; and Selected Applications Contains many worked
examples using real data, together with computational
implementation, to illustrate the methods described Includes
contributions from the leading researchers in the field The
Handbook of Mixture Analysis is targeted at graduate students
and young researchers new to the field. It will also be an
important reference for anyone working in this field, whether
they are developing new methodology, or applying the models to
real scientific problems