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: 1 نویسندگان: Pavel Brazdil, Christophe Giraud-Carrier, Carlos Soares, Ricardo Vilalta (auth.) سری: Cognitive Technologies ISBN (شابک) : 3540732624, 9783540732624 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2009 تعداد صفحات: 182 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب Metalearning: کاربردهای داده کاوی: هوش مصنوعی (شامل رباتیک)، داده کاوی و کشف دانش، تشخیص الگو
در صورت تبدیل فایل کتاب Metalearning: Applications to Data Mining 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 Metalearning: کاربردهای داده کاوی 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.
Metalearning مطالعه روشهای اصولی است که از دانش فرا برای به دست آوردن مدلها و راهحلهای کارآمد با تطبیق فرآیندهای یادگیری ماشین و دادهکاوی استفاده میکند. در حالی که انواع تکنیکهای یادگیری ماشین و دادهکاوی در حال حاضر در دسترس هستند، اصولاً میتوانند راهحلهای مدل خوبی را ارائه دهند، هنوز یک روش برای هدایت جستجوی مناسبترین مدل به روشی کارآمد مورد نیاز است. Metalearning یکی از این روشها را ارائه میکند که به سیستمها اجازه میدهد از طریق تجربه مؤثرتر شوند.
این کتاب چندین رویکرد برای کسب دانش در مورد عملکرد الگوریتمهای یادگیری ماشین و دادهکاوی را مورد بحث قرار میدهد. این نشان میدهد که چگونه میتوان از این دانش برای انتخاب، ترکیب، ترکیب و تطبیق الگوریتمها و مدلها برای ارائه راهحلهای سریعتر و مؤثرتر برای مشکلات دادهکاوی استفاده مجدد کرد. بنابراین می تواند به توسعه دهندگان کمک کند تا الگوریتم های خود را بهبود بخشند و همچنین سیستم های یادگیری را توسعه دهند که می توانند خود را بهبود بخشند.
این کتاب مورد توجه محققان و دانشجویان تحصیلات تکمیلی در زمینههای یادگیری ماشین، داده کاوی و هوش مصنوعی خواهد بود.
Metalearning is the study of principled methods that exploit metaknowledge to obtain efficient models and solutions by adapting machine learning and data mining processes. While the variety of machine learning and data mining techniques now available can, in principle, provide good model solutions, a methodology is still needed to guide the search for the most appropriate model in an efficient way. Metalearning provides one such methodology that allows systems to become more effective through experience.
This book discusses several approaches to obtaining knowledge concerning the performance of machine learning and data mining algorithms. It shows how this knowledge can be reused to select, combine, compose and adapt both algorithms and models to yield faster, more effective solutions to data mining problems. It can thus help developers improve their algorithms and also develop learning systems that can improve themselves.
The book will be of interest to researchers and graduate students in the areas of machine learning, data mining and artificial intelligence.
Front Matter....Pages I-XI
Metalearning: Concepts and Systems....Pages 1-10
Metalearning for Algorithm Recommendation: an Introduction....Pages 11-29
Development of Metalearning Systems for Algorithm Recommendation....Pages 31-59
Extending Metalearning to Data Mining and KDD....Pages 61-72
Extending Metalearning to Data Mining and KDD....Pages 73-90
Bias Management in Time-Changing Data Streams....Pages 91-107
Transfer of Metaknowledge Across Tasks....Pages 109-128
Composition of Complex Systems: Role of Domain-Specific Metaknowledge....Pages 129-152
Back Matter....Pages 153-176