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
دسته بندی: سیستم های پویا ویرایش: 1 نویسندگان: Andrew M. Fraser سری: ISBN (شابک) : 9780898716658, 0898716659 ناشر: Society for Industrial and Applied Mathematics سال نشر: 2008 تعداد صفحات: 144 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Hidden Markov models and dynamical systems 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 مدل های پنهان مارکوف و سیستم های دینامیکی 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.
این متن مقدمه ای بر مدل های پنهان مارکوف (HMMs) برای جامعه سیستم های دینامیکی ارائه می دهد. این یک متن ارزشمند برای دانشجویان سال سوم یا چهارم کارشناسی است که در رشته های مهندسی، ریاضیات یا علوم تحصیل می کنند که شامل کار در احتمال، جبر خطی و معادلات دیفرانسیل است. این کتاب الگوریتمهایی را برای استفاده از HMM ارائه میکند و اشتقاق آن الگوریتمها را توضیح میدهد. فیلتر کالمن را به عنوان بسط فضای حالت پیوسته از یک الگوریتم پایه HMM ارائه می کند. این کتاب با کاربرد سیگنال های زیست پزشکی به پایان می رسد. این متن برای ارائه مطالب مقدماتی ضروری و همچنین ارائه کافی نظریه در پشت الگوریتم های اساسی متمایز است تا خواننده بتواند از آن به عنوان راهنمایی برای توسعه انواع خود استفاده کند.
This text provides an introduction to hidden Markov models (HMMs) for the dynamical systems community. It is a valuable text for third or fourth year undergraduates studying engineering, mathematics, or science that includes work in probability, linear algebra and differential equations. The book presents algorithms for using HMMs, and it explains the derivation of those algorithms. It presents Kalman filtering as the extension to a continuous state space of a basic HMM algorithm. The book concludes with an application to biomedical signals. This text is distinctive for providing essential introductory material as well as presenting enough of the theory behind the basic algorithms so that the reader can use it as a guide to developing their own variants.