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:
نویسندگان: Xizhao Wang. Junhai Zhai
سری:
ISBN (شابک) : 9781498724135
ناشر: CRC
سال نشر: 2017
تعداد صفحات: 228
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Learning with Uncertainty 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 یادگیری با عدم قطعیت 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.
یادگیری با عدم قطعیت طیف گسترده ای از سناریوها را در یادگیری ماشین پوشش می دهد، این کتاب عمدتا بر روی موارد زیر تمرکز دارد: (1) یادگیری درخت تصمیم با عدم قطعیت، (2) خوشه بندی در محیط عدم قطعیت، (3) یادگیری فعال بر اساس معیار عدم قطعیت، و (4) یادگیری گروهی در چارچوب عدم قطعیت. کتاب با مقدمه ای بر عدم قطعیت از جمله تصادفی، ناهمواری، مبهم بودن و غیر مشخص بودن شروع می شود و سپس به طور جامع تعدادی از مسائل کلیدی در یادگیری با عدم قطعیت، مانند نمایش عدم قطعیت در یادگیری، تأثیر عدم قطعیت بر عملکرد سیستم یادگیری، طراحی اکتشافی با عدم قطعیت و غیره.
بیشتر مطالب کتاب نتایج تحقیقات ما در دهه های اخیر است. هدف این کتاب کمک به خوانندگان برای درک تأثیر عدم قطعیت بر فرآیندهای یادگیری است. همراه با مثال های زیادی برای تسهیل درک است. این کتاب می تواند به عنوان کتاب مرجع یا کتاب درسی برای محققین، دانشجویان ارشد و کارشناسی ارشد در رشته های علوم و فناوری کامپیوتر، ریاضیات کاربردی، اتوماسیون، مهندسی برق و غیره استفاده شود.
Learning with uncertainty covers a broad range of scenarios in machine learning, this book mainly focuses on: (1) Decision tree learning with uncertainty, (2) Clustering under uncertainty environment, (3) Active learning based on uncertainty criterion, and (4) Ensemble learning in a framework of uncertainty. The book starts with the introduction to uncertainty including randomness, roughness, fuzziness and non-specificity and then comprehensively discusses a number of key issues in learning with uncertainty, such as uncertainty representation in learning, the influence of uncertainty on the performance of learning system, the heuristic design with uncertainty, etc.
Most contents of the book are our research results in recent decades. The purpose of this book is to help the readers to understand the impact of uncertainty on learning processes. It comes with many examples to facilitate understanding. The book can be used as reference book or textbook for researcher fellows, senior undergraduates and postgraduates majored in computer science and technology, applied mathematics, automation, electrical engineering, etc.
Content: 1. Uncertainty --
2. Decision tree with uncertainty --
3. Clustering under uncertainty environment --
4. Active learning with uncertainty --
5. Ensemble learning with uncertainty.