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: آموزشی ویرایش: lecture notes نویسندگان: Nilsson N.J. سری: ناشر: سال نشر: 1996 تعداد صفحات: 208 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Introduction 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 مقدمه ای بر 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.
این یادداشت ها در حال تبدیل شدن به کتاب درسی هستند. این روند کاملاً ناتمام است و نویسنده اصلاحات، انتقادات و پیشنهادات را از دانش آموزان و سایر خوانندگان درخواست می کند. اگرچه من سعی کرده ام خطاها را از بین ببرم، اما بدون شک برخی از آنها به عنوان هشدار باقی مانده اند. بسیاری از اشکالات تایپی بدون شک تا نسخه نهایی باقی خواهند ماند. هنوز مطالب بیشتری اضافه نشده است. لطفاً پیشنهادات خود را در مورد موضوعاتی که خیلی مهم هستند و نمی توان آنها را کنار گذاشت، به من بدهید. امیدوارم نسخههای آینده شبکههای هاپفیلد، شبکههای المان و سایر شبکههای تکراری، توابع پایه شعاعی، گرامر و یادگیری خودکار، الگوریتمهای ژنتیک و شبکههای بیز را پوشش دهند. . بله، نسخه نهایی شاخص خوبی خواهد داشت.
These notes are in the process of becoming a textbook. The process is quite unfinished, and the author solicits corrections, criticisms, and suggestions from students and other readers. Although I have tried to eliminate errors, some undoubtedly remain-caveat lector. Many typographical infelicities will no doubt persist until the final version. More material has yet to be added. Please let me have your suggestions about topics that are too important to be left out. I hope that future versions will cover Hopfield nets, Elman nets and other recurrent nets, radial basis functions, grammar and automata learning, genetic algorithms, and Bayes networks .... I am also collecting exercises and project suggestions which will appear in future versions. Yes, the final version will have a good index.