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: 2
نویسندگان: Francesco Camastra. Alessandro Vinciarelli (auth.)
سری: Advanced Information and Knowledge Processing
ISBN (شابک) : 9781447167341, 9781447167358
ناشر: Springer-Verlag London
سال نشر: 2015
تعداد صفحات: 564
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین برای تجزیه و تحلیل صوتی ، تصویر و فیلم: نظریه و برنامه ها: تشخیص الگو، پردازش تصویر و بینایی کامپیوتری، سیستم های اطلاعات چندرسانه ای
در صورت تبدیل فایل کتاب Machine Learning for Audio, Image and Video Analysis: Theory 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 یادگیری ماشین برای تجزیه و تحلیل صوتی ، تصویر و فیلم: نظریه 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 نسخه دوم بر دادههای صوتی، تصویری و ویدیویی تمرکز دارد،
سه نوع اصلی ورودی که ماشینها هنگام تعامل با دنیای واقعی با
آنها سروکار دارند. مجموعه ای از ضمائم مقدماتی مستقل در مورد
پیشینه ریاضی لازم برای خواندن کتاب در اختیار خواننده قرار می
دهد.
که به سه بخش اصلی تقسیم شده است، از ادراک تا محاسبه
روش شناسی هایی را با هدف نمایش داده ها در کتاب معرفی می کند.
فرم های مناسب برای پردازش کامپیوتری، به خصوص در مورد صدا و
تصویر. در حالی که بخش دوم، یادگیری ماشین شامل یک مرور
کلی از تکنیک های آماری با هدف پرداختن به سه مشکل اصلی است،
یعنی طبقه بندی (تخصیص خودکار نمونه داده به یکی از کلاس های
متعلق به یک مجموعه از پیش تعریف شده)، خوشه بندی ( گروهبندی
خودکار نمونههای داده بر اساس شباهت ویژگیهای آنها) و تجزیه و
تحلیل توالی (نگاشت خودکار یک دنباله از مشاهدات به دنبالهای
از نمادهای قابل درک برای انسان). بخش سوم برنامه ها
نشان می دهد که چگونه مشکلات انتزاعی تعریف شده در بخش دوم
زمینه ساز فناوری هایی هستند که قادر به انجام کارهای پیچیده
مانند تشخیص حرکات دست یا رونویسی داده های دست نویس هستند.
< i>آموزش ماشینی برای تجزیه و تحلیل صوتی، تصویری و تصویری برای دانشآموزان مناسب است تا پیشزمینهای قوی در یادگیری ماشین کسب کنند و همچنین برای تمرینکنندگان برای تعمیق دانش خود در مورد آخرین هنر. همه فصلهای برنامه بر اساس دادههای در دسترس عموم و بستههای نرمافزار رایگان هستند، بنابراین به خوانندگان اجازه میدهد آزمایشها را تکرار کنند.
This second edition focuses on audio, image and video data,
the three main types of input that machines deal with when
interacting with the real world. A set of appendices provides
the reader with self-contained introductions to the
mathematical background necessary to read the book.
Divided into three main parts, From Perception to
Computation introduces methodologies aimed at
representing the data in forms suitable for computer
processing, especially when it comes to audio and images.
Whilst the second part, Machine Learning includes an
extensive overview of statistical techniques aimed at
addressing three main problems, namely classification
(automatically assigning a data sample to one of the classes
belonging to a predefined set), clustering (automatically
grouping data samples according to the similarity of their
properties) and sequence analysis (automatically mapping a
sequence of observations into a sequence of
human-understandable symbols). The third part
Applications shows how the abstract problems defined
in the second part underlie technologies capable to perform
complex tasks such as the recognition of hand gestures or the
transcription of handwritten data.
Machine Learning for Audio, Image and Video Analysis is suitable for students to acquire a solid background in machine learning as well as for practitioners to deepen their knowledge of the state-of-the-art. All application chapters are based on publicly available data and free software packages, thus allowing readers to replicate the experiments.
Front Matter....Pages i-xvi
Introduction....Pages 1-10
Front Matter....Pages 11-11
Audio Acquisition, Representation and Storage....Pages 13-55
Image and Video Acquisition, Representation and Storage....Pages 57-96
Front Matter....Pages 97-97
Machine Learning....Pages 99-106
Bayesian Theory of Decision....Pages 107-129
Clustering Methods....Pages 131-167
Foundations of Statistical Learning and Model Selection....Pages 169-190
Supervised Neural Networks and Ensemble Methods....Pages 191-227
Kernel Methods....Pages 229-293
Markovian Models for Sequential Data....Pages 295-340
Feature Extraction Methods and Manifold Learning Methods....Pages 341-386
Front Matter....Pages 387-387
Speech and Handwriting Recognition....Pages 389-419
Automatic Face Recognition....Pages 421-448
Video Segmentation and Keyframe Extraction....Pages 449-465
Real-Time Hand Pose Recognition....Pages 467-484
Automatic Personality Perception....Pages 485-498
Back Matter....Pages 499-561