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: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Menahem Friedman. Abraham Kandel سری: Series in Machine Perception and Artificial Intelligence ISBN (شابک) : 9789810233129, 9810233124 ناشر: World Scientific Publishing Company سال نشر: 1999 تعداد صفحات: 345 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب مقدمه ای بر شناخت الگو: رویکردهای آماری، ساختاری، عصبی و منطقی فازی: علوم و مهندسی کامپیوتر، هوش مصنوعی، تشخیص الگو
در صورت تبدیل فایل کتاب Introduction To Pattern Recognition: Statistical, Structural, Neural and Fuzzy Logic Approaches 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 شناخت الگو: رویکردهای آماری، ساختاری، عصبی و منطقی فازی 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 کتاب مقدمهای بر تشخیص الگو است که برای دانشجویان کارشناسی و کارشناسی ارشد در رشتههای علوم کامپیوتر و رشتههای مرتبط در علم و فناوری در نظر گرفته شده است. بیشتر موضوعات با الگوریتم های دقیق و کاربردهای دنیای واقعی همراه هستند. علاوه بر رویکردهای آماری و ساختاری، موضوعات جدیدی مانند تشخیص الگوی فازی و شناسایی الگو از طریق شبکههای عصبی نیز بررسی میشوند. هر موضوع با چندین مثال حل شده با جزئیات دنبال می شود. تنها پیش نیاز برای استفاده از این کتاب، یک دوره یک ترمی ریاضیات گسسته و آشنایی با مقدمات اولیه حساب دیفرانسیل و انتگرال، جبر خطی و نظریه احتمال است.
This book is an introduction to pattern recognition, meant for undergraduate and graduate students in computer science and related fields in science and technology. Most of the topics are accompanied by detailed algorithms and real world applications. In addition to statistical and structural approaches, novel topics such as fuzzy pattern recognition and pattern recognition via neural networks are also reviewed. Each topic is followed by several examples solved in detail. The only prerequisites for using this book are a one-semester course in discrete mathematics and a knowledge of the basic preliminaries of calculus, linear algebra and probability theory.