دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Harmonic and Applied Analysis: From Radon Transforms to Machine Learning
دانلود کتاب تجزیه و تحلیل هارمونیک و کاربردی: از تبدیل رادون به یادگیری ماشین
مشخصات کتاب
Harmonic and Applied Analysis: From Radon Transforms to Machine Learning
ویرایش: [1 ed.]
نویسندگان: Filippo De Mari. Ernesto De Vito (Editors)
سری: Applied and Numerical Harmonic Analysis
ISBN (شابک) : 9783030866631, 9783030866648
ناشر: Birkhäuser
سال نشر: 2021
تعداد صفحات: 302
[316]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 Mb
قیمت کتاب (تومان) : 53,000
در صورت تبدیل فایل کتاب Harmonic and Applied Analysis: From Radon Transforms to Machine Learning 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 تجزیه و تحلیل هارمونیک و کاربردی: از تبدیل رادون به یادگیری ماشین 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.
توضیحاتی در مورد کتاب تجزیه و تحلیل هارمونیک و کاربردی: از تبدیل رادون به یادگیری ماشین
ارتباطات عمیقی بین تحلیل هارمونیک و کاربردی و موضوعات متنوع و در عین حال مرتبط یادگیری ماشین، تجزیه و تحلیل داده ها و علوم تصویربرداری وجود دارد. این جلد به بررسی این حوزه‌های به سرعت در حال رشد می‌پردازد و مشارکت‌های ارائه‌شده در ویرایش‌های دوم و سوم مدارس تابستانی در تجزیه و تحلیل هارمونیک کاربردی، که در دانشگاه ژنووا در سال‌های 2017 و 2019 برگزار شد، را نشان می‌دهد. هر فصل مقدمه‌ای بر مطالب ضروری ارائه می‌کند و سپس ارتباط با تحقیقات پیشرفته‌تر را با هدف ارائه ورودی قابل دسترس برای دانشجویان و پژوهشگران نشان می‌دهد. موضوعات تحت پوشش شامل مشکلات بد مطرح شده است. نابرابری تمرکز؛ منظم سازی و یادگیری ماشینی در مقیاس بزرگ؛ واحد سازی تبدیل رادون در فضاهای متقارن. و روش‌های گرادیان پروگزیمال برای یادگیری ماشینی و تصویربرداری.
توضیحاتی درمورد کتاب به خارجی
Deep connections exist between harmonic and applied analysis and the diverse yet connected topics of machine learning, data analysis, and imaging science. This volume explores these rapidly growing areas and features contributions presented at the second and third editions of the Summer Schools on Applied Harmonic Analysis, held at the University of Genova in 2017 and 2019. Each chapter offers an introduction to essential material and then demonstrates connections to more advanced research, with the aim of providing an accessible entrance for students and researchers. Topics covered include ill-posed problems; concentration inequalities; regularization and large-scale machine learning; unitarization of the radon transform on symmetric spaces; and proximal gradient methods for machine learning and imaging.
