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: آمار ریاضی ویرایش: 1 نویسندگان: Aapo Hyvärinen, Juha Karhunen, Erkki Oja سری: ISBN (شابک) : 9780471405405, 047140540X ناشر: J. Wiley سال نشر: 2001 تعداد صفحات: 505 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل مؤلفه مستقل: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی
در صورت تبدیل فایل کتاب Independent Component Analysis 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 مؤلفه مستقل 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.
Hyvarinen و همکارانش Juhu Karhunen و Erkki Oja (همگی از فناوری هلسینکی) تجزیه و تحلیل مؤلفه های مستقل را به عنوان یک تکنیک آماری و محاسباتی برای آشکار کردن عوامل پنهان که زیربنای مجموعه ای از متغیرهای تصادفی، اندازه گیری ها یا سیگنال ها هستند، معرفی می کنند. در نظر گرفته شده است که خوانندگان از رشته هایی مانند آمار، پردازش سیگنال، شبکه های عصبی، تئوری اطلاعات و مهندسی باشند و در محاسبات دانشگاهی، جبر ماتریس، تئوری احتمال و آمار دارای پایه باشند. مشکلات ورزشی و تکالیف کامپیوتری استفاده از کتاب را در دوره تحصیلات تکمیلی تسهیل می کند.
Hyvarinen and fellow researchers Juhu Karhunen and Erkki Oja (all Helsinki U. of Technology) introduce independent component analysis as a statistical and computational technique for revealing hidden factors that underlie sets of random variables, measurements, or signals. Readers are intended to be from such disciplines as statistics, signal processing, neural networks, information theory, and engineering, and to have a grounding in college calculus, matrix algebra, probability theory, and statistics. Exercise problems and computer assignments facilitate the book's use in a graduate course.
Independent Component Analysis......Page 1
Copyright......Page 5
Contents......Page 6
Preface......Page 18
Ch1 Introduction......Page 24
Part1 Mathematical Preliminaries......Page 36
Ch2 Random Vectors & Independence......Page 38
Ch3 Gradients & Optimization Methods......Page 80
Ch4 Estimation Theory......Page 100
Ch5 Information Theory......Page 128
Ch6 Principal Component Analysis & Whitening......Page 148
Part2 Basic Independent Component Analysis......Page 168
Ch7 What is Independent Component Analysis?......Page 170
Ch8 ICA by Maximization of Nongaussianity......Page 188
Ch9 ICA by Maximum Likelihood Estimation......Page 226
Ch10 ICA by Minimization of Mutual Information......Page 244
Ch11 ICA by Tensorial Methods......Page 252
Ch12 ICA by Nonlinear Decorrelation & Nonlinear PCA......Page 262
Ch13 Practical Considerations......Page 286
Ch14 Overview & Comparison of Basic ICA Methods......Page 296
Part3 Extensions & Related Methods......Page 314
Ch15 Noisy ICA......Page 316
Ch16 ICA with Overcomplete Bases......Page 328
Ch17 Nonlinear ICA......Page 338
Ch18 Methods using Time Structure......Page 364
Ch19 Convolutive Mixtures & Blind Deconvolution......Page 378
Ch20 Other Extensions......Page 394
Part4 Applications of ICA......Page 412
Ch21 Feature Extraction by ICA......Page 414
Ch22 Brain Imaging Applications......Page 430
Ch23 Telecommunications......Page 440
Ch24 Other Applications......Page 464
References......Page 472
Index......Page 499
Backcover......Page 505