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: Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu سری: ISBN (شابک) : 9789811330285 ناشر: Springer سال نشر: 2019 تعداد صفحات: 155 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Multiview Machine Learning 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 Multiview Machine Learning 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.
در طول دو دهه گذشته، یادگیری چند دیدگاهی به عنوان یک جهت در حال ظهور در یادگیری ماشینی به موضوع پژوهشی رایج در هوش مصنوعی (AI) تبدیل شد. موفقیت و محبوبیت آن تا حد زیادی ناشی از این واقعیت بود که دنیای واقعی برنامه ها داده های مختلفی را به عنوان نماهای مختلف تولید می کنند در حالی که افراد سعی می کنند دستکاری کنند و این داده ها را برای بهبود عملکرد یکپارچه کنید. در عصر داده، این وضعیت ادامه دارد. ما فکر می کنیم که تحقیقات یادگیری چندوجهی برای الف فعال خواهد بود زمان طولانی، و توسعه بیشتر و مطالعات عمیق برای افزایش آن مورد نیاز است موثر و عملی در سال 2013 مقاله مروری من با عنوان "بررسی ماشین چند دید" یادگیری» (محاسبات عصبی و کاربردها، 2013)، منتشر شد. تولید می کند اشاعه و ترویج یادگیری چند دیدگاهی خوب است و به خوبی مورد استناد قرار گرفته است. از آن زمان، تحقیقات بسیار بیشتری توسعه یافته است. این کتاب با هدف ارائه یک مقدمه ای عمیق و جامع برای یادگیری چند وجهی و امیدواریم باشد برای محققان و پزشکان هوش مصنوعی مفید است. من بیش از 15 سال است که در زمینه یادگیری ماشین کار می کنم. اکثر کار معرفی شده من در این کتاب پس از فارغ التحصیلی از Tsinghua تکمیل شد دانشگاه و در سال 2007 به دانشگاه عادی چین شرقی پیوست بسیاری از آثار مهم و معرف سایر محققین برای ساخت این کتاب مطالب کامل و جامع به دلیل محدودیت مکانی و زمانی، ممکن است نباشیم قادر به گنجاندن تمام آثار مرتبط من مدیون اعضای گذشته و کنونی Pattern Recognition هستم و گروه تحقیقاتی یادگیری ماشین، دانشگاه عادی چین شرقی، برای آنها کار سخت برای انجام تحقیقات به موقع رابطه من و اونا هست نه فقط اساتید و دانشجویان، بلکه رفقای هم رزم.
During the past two decades, multiview learning as an emerging direction in machine learning became a prevailing research topic in artificial intelligence (AI). Its success and popularity were largely motivated by the fact that real-world applications generate various data as different views while people try to manipulate and integrate those data for performance improvements. In the data era, this situation will continue. We think the multiview learning research will be active for a long time, and further development and in-depth studies are needed to make it more effective and practical. In 2013, a review paper of mine, entitled “A Survey of Multi-view Machine Learning” (Neural Computing and Applications, 2013), was published. It generates a good dissemination and promotion of multiview learning and has been well cited. Since then, much more research has been developed. This book aims to provide an in-depth and comprehensive introduction to multiview learning and hope to be helpful for AI researchers and practitioners. I have been working in the machine learning area for more than 15 years. Most of my work introduced in this book was completed after I graduated from Tsinghua University and joined East China Normal University in 2007. And we also include many important and representative works from other researchers to make the book content complete and comprehensive. Due to space and time limits, we may not be able to include all relevant works. I owe many thanks to the past and current members of my Pattern Recognition and Machine Learning Research Group, East China Normal University, for their hard work to make research done in time. The relationship between me and them is not just professors and students, but also comrades-in-arms.
Front Matter ....Pages i-x
Introduction (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 1-6
Multiview Semi-supervised Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 7-22
Multiview Subspace Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 23-37
Multiview Supervised Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 39-57
Multiview Clustering (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 59-71
Multiview Active Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 73-84
Multiview Transfer Learning and Multitask Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 85-104
Multiview Deep Learning (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 105-138
View Construction (Shiliang Sun, Liang Mao, Ziang Dong, Lidan Wu)....Pages 139-149