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: Yu. Shun-Zheng
سری: Computer science reviews and trends
ISBN (شابک) : 0128027673, 0128027711
ناشر: Elsevier
سال نشر: 2016
تعداد صفحات: 198
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Hidden Semi-Markov models : theory, algorithms and applications 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 مدلهای نیمه مارکوف پنهان: نظریه ، الگوریتم ها و برنامه های کاربردی 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 نیمه مارکوف پنهان (HSMM) از مهمترین مدلها در حوزه هوش مصنوعی/یادگیری ماشین هستند. از زمانی که اولین HSMM در سال 1980 برای تشخیص ماشینی گفتار معرفی شد، سه HSMM دیگر با تعاریف مختلف از مدت زمان و توزیع مشاهده پیشنهاد شده است. این مدلها دارای عبارات، الگوریتمها، پیچیدگیهای محاسباتی و حوزههای قابلاجرای متفاوتی هستند، بدون اینکه صریحاً اشکال قابل تعویض داشته باشند.
مدلهای نیمه مارکوف پنهان: تئوری، الگوریتمها و کاربردها یک رویکرد یکپارچه و بنیادی برای HSMMها، از جمله HSMMهای مختلف (مانند مدت زمان صریح) ارائه میکند. ، انتقال متغیر و زمان اقامت HSMM ها)، الگوریتم های استنتاج و تخمین، روش های پیاده سازی و نمونه های کاربردی. با پیشرفتهای جدید و موضوعات نوظهور پیشرفته در ارتباط با HSMM، که با نمونههایی برگرفته از پزشکی، مهندسی و علوم کامپیوتر ارائه شدهاند، بیاموزید.
Hidden semi-Markov models (HSMMs) are among the most important models in the area of artificial intelligence / machine learning. Since the first HSMM was introduced in 1980 for machine recognition of speech, three other HSMMs have been proposed, with various definitions of duration and observation distributions. Those models have different expressions, algorithms, computational complexities, and applicable areas, without explicitly interchangeable forms.
Hidden Semi-Markov Models: Theory, Algorithms and Applications provides a unified and foundational approach to HSMMs, including various HSMMs (such as the explicit duration, variable transition, and residential time of HSMMs), inference and estimation algorithms, implementation methods and application instances. Learn new developments and state-of-the-art emerging topics as they relate to HSMMs, presented with examples drawn from medicine, engineering and computer science.
Content: 1. Introduction2. Inference of General Hidden Semi-Markov Model3. Estimation of General Hidden Semi-Markov Model4. Implementation of the Algorithms5. Conventional Models6. Various Duration Distributions8. Variants of HSMM9. Applications of HSMM