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: illustrated edition نویسندگان: Richard E. Neapolitan سری: Prentice Hall series in artificial intelligence ISBN (شابک) : 9780130125347, 0130125342 ناشر: Pearson Prentice Hall سال نشر: 2004 تعداد صفحات: 703 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Learning Bayesian networks 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 آموزش شبکه های بیزی 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.
برای دورههای شبکههای بیزی یا شبکههای پیشرفته با تمرکز بر شبکههای بیزی موجود در بخشهای علوم کامپیوتر، مهندسی کامپیوتر و مهندسی برق. همچنین به عنوان متن تکمیلی در دورههای مربوط به سیستمهای خبره، یادگیری ماشین و هوش مصنوعی که موضوع شبکههای بیزی پوشش داده میشود، مناسب است. این کتاب یک بحث در دسترس و یکپارچه در مورد شبکه های بیزی ارائه می دهد. این شامل بحث در مورد موضوعات مرتبط با حوزه های هوش مصنوعی، سیستم های خبره و تجزیه و تحلیل تصمیم گیری، زمینه هایی است که شبکه های بیزی اغلب در آنها استفاده می شود. نویسنده هر دو روش برای انجام استنتاج در شبکه های بیزی و نمودارهای نفوذ را مورد بحث قرار می دهد. این کتاب همچنین روش بیزی برای یادگیری مقادیر پارامترهای گسسته و پیوسته را پوشش می دهد. هر دو روش بیزی و مبتنی بر محدودیت برای ساختار یادگیری به تفصیل مورد بحث قرار گرفتهاند.
For courses in Bayesian Networks or Advanced Networking focusing on Bayesian networks found in departments of Computer Science, Computer Engineering and Electrical Engineering. Also appropriate as a supplementary text in courses on Expert Systems, Machine Learning, and Artificial Intelligence where the topic of Bayesian Networks is covered. This book provides an accessible and unified discussion of Bayesian networks. It includes discussions of topics related to the areas of artificial intelligence, expert systems and decision analysis, the fields in which Bayesian networks are frequently applied. The author discusses both methods for doing inference in Bayesian networks and influence diagrams. The book also covers the Bayesian method for learning the values of discrete and continuous parameters. Both the Bayesian and constraint-based methods for learning structure are discussed in detail.