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: Emilio Soria Olivas, Jose David Martin Guerrero, Marcelino Martinez Sober, Jose Rafael Magdalena Benedito, Antonio Jose Serrano Lopez سری: ISBN (شابک) : 1605667668, 9781605667669 ناشر: Information Science Reference سال نشر: 2009 تعداد صفحات: 736 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Handbook Of Research On Machine Learning Applications and Trends: Algorithms, Methods and Techniques (2 Volumes) 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 راهنمای تحقیقات در مورد برنامه ها و گرایش های یادگیری ماشین: الگوریتم ها ، روش ها و تکنیک ها (2 جلد) 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.
رویکرد یادگیری ماشین ابزار مفیدی را زمانی فراهم می کند که مقدار داده بسیار زیاد باشد و مدلی برای توضیح تولید و رابطه مجموعه داده در دسترس نباشد. کتاب راهنمای تحقیق در مورد کاربردها و روندهای یادگیری ماشینی: الگوریتم ها، روش ها و تکنیک ها مجموعه ای از کاربردهای عملی را برای حل مسائل و به کارگیری تکنیک های مختلف در استخراج و تنظیم خودکار داده ها ارائه می دهد. این کتابچه راهنمای تحقیقات، مجموعهای مشخص از پیشرفتهای میدانی، شکاف بین تئوری و عمل را پر میکند و مرجعی قوی برای دانشگاهیان، محققان و متخصصان ارائه میکند.
The machine learning approach provides a useful tool when the amount of data is very large and a model is not available to explain the generation and relation of the data set. The Handbook of Research on Machine Learning Applications and Trends: Algorithms, Methods, and Techniques provides a set of practical applications for solving problems and applying various techniques in automatic data extraction and setting. A defining collection of field advancements, this Handbook of Research fills the gap between theory and practice, providing a strong reference for academicians, researchers, and practitioners.
Title ......Page 2
Table of Contents ......Page 8
List of Contributors......Page 5
Foreword......Page 25
Preface......Page 27
Exploring the Unknown Nature of Data: Cluster Analysis and Applications......Page 34
Principal Graphs and Manifolds......Page 61
Learning Algorithms for RBF Functions and Subspace Based Functions......Page 93
Nature Inspired Methods for Multi-Objective Optimization......Page 128
Artificial Immune Systems for Anomaly Detection......Page 142
Calibration of Machine Learning Models......Page 161
Classification with Incomplete Data......Page 180
Clustering and Visualization of Multivariate Time Series......Page 209
Locally Recurrent Neural Networks and Their Applications......Page 228
Nonstationary Signal Analysis with Kernel Machines......Page 256
Transfer Learning......Page 275
Machine Learning in Personalized Anemia Treatment......Page 298
Deterministic Pattern Mining on Genetic Sequences......Page 310
Machine Learning in Natural Language Processing......Page 335
Machine Learning Applications in Mega-Text Processing......Page 358
FOL Learning for Knowledge Discovery in Documents......Page 381
Machine Learning and Financial Investing......Page 408
Applications of Evolutionary Neural Networks for Sales Forecasting of Fashionable Products......Page 420
Support Vector Machine based Hybrid Classifiers and Rule Extraction thereof: Application to Bankruptcy Prediction in Banks......Page 437
Data Mining Experiences in Steel Industry......Page 460
Application of Neural Networks in Animal Science......Page 473
Statistical Machine Learning Approaches for Sports Video Mining Using Hidden Markov Models......Page 490
A Survey of Bayesian Techniques in Computer Vision......Page 515
Software Cost Estimation using Soft Computing Approaches......Page 532
Counting the Hidden Defects in Software Documents......Page 552
Machine Learning for Biometrics......Page 572
Neural Networks for Modeling the Contact Foot-Shoe Upper......Page 594
Evolutionary Multi-Objective Optimization of Autonomous Mobile Robotsin Neural-Based Cognition for Behavioural Robustness......Page 607
Improving Automated Planning with Machine Learning......Page 632
Compilation of References......Page 654
About the Contributors......Page 718
Index......Page 731