ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Implementation of Machine Learning Algorithms Using Control-Flow and Dataflow Paradigms

دانلود کتاب پیاده سازی الگوریتم های یادگیری ماشین با استفاده از پارادایم های کنترل جریان و جریان داده

Implementation of Machine Learning Algorithms Using Control-Flow and Dataflow Paradigms

مشخصات کتاب

Implementation of Machine Learning Algorithms Using Control-Flow and Dataflow Paradigms

ویرایش: [1 ed.] 
نویسندگان: , , ,   
سری: Advances in Systems Analysis, Software Engineering, and High Performance Computing (ASASEHPC) 
ISBN (شابک) : 1799883523, 9781799883524 
ناشر: IGI Global 
سال نشر: 2022 
تعداد صفحات: 296
[306] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

قیمت کتاب (تومان) : 45,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Implementation of Machine Learning Algorithms Using Control-Flow and Dataflow Paradigms 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 پیاده سازی الگوریتم های یادگیری ماشین با استفاده از پارادایم های کنترل جریان و جریان داده 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 پیاده سازی الگوریتم های یادگیری ماشین با استفاده از پارادایم های کنترل جریان و جریان داده

بر اساس ادبیات کنونی و پیشرفت‌های پیشرفته در زمینه یادگیری ماشین، چهار الگوریتم وجود دارد که استفاده از آنها در حوزه‌های کاربردی جدید باید مورد بررسی قرار گیرد: شبکه‌های عصبی، الگوریتم‌های القایی قوانین، الگوریتم‌های مبتنی بر درخت و الگوریتم‌های مبتنی بر چگالی. تعدادی از الگوریتم های مرتبط با یادگیری ماشین از این چهار الگوریتم استخراج شده اند. در نتیجه، آنها روش های زیربنایی عالی برای استخراج دانش پنهان از داده های بدون ساختار را به عنوان وظایف داده کاوی ضروری نشان می دهند. پیاده‌سازی الگوریتم‌های یادگیری ماشین با استفاده از پارادایم‌های Control-Flow و Dataflow الگوریتم‌های داده‌کاوی پرکاربرد را ارائه می‌کند و مزایا و معایب، روش‌های ریاضی، کاربردها، پیاده‌سازی‌های کارآمد انرژی و موارد دیگر را توضیح می‌دهد. این تحقیق شتاب دهنده های کارآمد انرژی را برای الگوریتم های یادگیری ماشین ارائه می دهد. این کتاب با پوشش موضوعاتی مانند اجرای کنترل-جریان، محاسبات تقریبی و الگوریتم های درخت تصمیم، منبعی ضروری برای دانشمندان کامپیوتر، مهندسان، دانشجویان و مربیان آموزش عالی، محققان و دانشگاهیان است.


توضیحاتی درمورد کتاب به خارجی

Based on current literature and cutting-edge advances in the machine learning field, there are four algorithms whose usage in new application domains must be explored: neural networks, rule induction algorithms, tree-based algorithms, and density-based algorithms. A number of machine learning related algorithms have been derived from these four algorithms. Consequently, they represent excellent underlying methods for extracting hidden knowledge from unstructured data, as essential data mining tasks. Implementation of Machine Learning Algorithms Using Control-Flow and Dataflow Paradigms presents widely used data-mining algorithms and explains their advantages and disadvantages, their mathematical treatment, applications, energy efficient implementations, and more. It presents research of energy efficient accelerators for machine learning algorithms. Covering topics such as control-flow implementation, approximate computing, and decision tree algorithms, this book is an essential resource for computer scientists, engineers, students and educators of higher education, researchers, and academicians.



فهرست مطالب

Cover
Title Page
Copyright Page
Book Series
Table of Contents
Preface
Introduction
Chapter 1: Introduction to Data Mining
Chapter 2: Classification Algorithms and Control-Flow Implementation
Chapter 3: Classification Algorithms and Dataflow Implementation
Chapter 4: Scientific Applications of Machine Learning Algorithms
Chapter 5: Business and Industrial Applications of Machine Learning Algorithms
Chapter 6: Implementation Details of Neural Networks Using Dataflow
Chapter 7: Implementation Details of Decision Tree Algorithms Using Dataflow
Chapter 8: Implementation Details of Rule-Based Algorithms Using Dataflow
Chapter 9: Implementation Details of Density-Based Algorithms Using Dataflow
Chapter 10: Issues Related to Acceleration of Algorithms
Conclusion
Glossary
Related Readings
About the Authors
Index




نظرات کاربران