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
ویرایش: 1st ed. نویسندگان: Zhengming Ding, Handong Zhao, Yun Fu سری: Advanced Information and Knowledge Processing ISBN (شابک) : 9783030007331, 9783030007348 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 272 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب نمایندگی یادگیری برای تجزیه و تحلیل داده های چند نمایه: مدل ها و برنامه ها: علوم کامپیوتر، داده کاوی و کشف دانش، تشخیص الگو
در صورت تبدیل فایل کتاب Learning Representation for Multi-View Data Analysis: Models and Applications 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 نمایندگی یادگیری برای تجزیه و تحلیل داده های چند نمایه: مدل ها و برنامه ها 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 خوانندگان را مجهز میکند تا با نمایش دادههای چند نمای پیچیده، با محوریت چندین برنامه بصری اصلی، نکات و بینشهای زیادی را از طریق یک چارچوب یادگیری یکپارچه به اشتراک بگذارند. این چارچوب قادر به مدل سازی بیشتر یادگیری های چند نما و تطبیق دامنه موجود است، درک خوانندگان را از شباهت ها و تفاوت ها بر اساس سازماندهی داده ها و تنظیمات مشکل و همچنین هدف تحقیق غنی می کند.
یک بررسی جامع به طور کامل ارائه می دهد. تحقیقات کلیدی اخیر در مورد تجزیه و تحلیل دادههای چند نمای، به عنوان مثال، خوشهبندی چند نمای، طبقهبندی چند نمای، یادگیری صفر شات، و تطبیق دامنه. چالشهای عملی بیشتری در تجزیه و تحلیل دادههای چند نمایه از جمله یادگیری چند نمایه ناقص، نامتعادل و در مقیاس بزرگ مورد بحث قرار میگیرند. نمایش یادگیری برای تجزیه و تحلیل داده های چند نما طیف گسترده ای از کاربردها را در زمینه های تحقیقاتی داده های بزرگ، محاسبات انسان محور، تشخیص الگو، بازاریابی دیجیتال، وب کاوی و بینایی کامپیوتر پوشش می دهد.This book equips readers to handle complex multi-view data representation, centered around several major visual applications, sharing many tips and insights through a unified learning framework. This framework is able to model most existing multi-view learning and domain adaptation, enriching readers’ understanding from their similarity, and differences based on data organization and problem settings, as well as the research goal.
A comprehensive review exhaustively provides the key recent research on multi-view data analysis, i.e., multi-view clustering, multi-view classification, zero-shot learning, and domain adaption. More practical challenges in multi-view data analysis are discussed including incomplete, unbalanced and large-scale multi-view learning. Learning Representation for Multi-View Data Analysis covers a wide range of applications in the research fields of big data, human-centered computing, pattern recognition, digital marketing, web mining, and computer vision.Front Matter ....Pages i-x
Introduction (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 1-6
Front Matter ....Pages 7-7
Multi-view Clustering with Complete Information (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 9-50
Multi-view Clustering with Partial Information (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 51-65
Multi-view Outlier Detection (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 67-95
Front Matter ....Pages 97-97
Multi-view Transformation Learning (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 99-126
Zero-Shot Learning (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 127-144
Front Matter ....Pages 145-145
Missing Modality Transfer Learning (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 147-173
Multi-source Transfer Learning (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 175-202
Deep Domain Adaptation (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 203-249
Deep Domain Generalization (Zhengming Ding, Handong Zhao, Yun Fu)....Pages 251-268