ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation

دانلود کتاب فاکتورسازی های غیر منفی ماتریس و تانسور: کاربردها برای تحلیل داده های چندراهه اکتشافی و جداسازی منبع کور

Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation

مشخصات کتاب

Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation

دسته بندی: ریاضیات کاربردی
ویرایش: 1 
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 0470746661, 9780470746660 
ناشر:  
سال نشر: 2009 
تعداد صفحات: 501 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 15 مگابایت 

قیمت کتاب (تومان) : 56,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis and Blind Source Separation 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 فاکتورسازی های غیر منفی ماتریس و تانسور: کاربردها برای تحلیل داده های چندراهه اکتشافی و جداسازی منبع کور 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.


توضیحاتی در مورد کتاب فاکتورسازی های غیر منفی ماتریس و تانسور: کاربردها برای تحلیل داده های چندراهه اکتشافی و جداسازی منبع کور

این کتاب بررسی گسترده ای از مدل ها و الگوریتم های کارآمد برای فاکتورسازی ماتریس غیرمنفی (NMF) ارائه می دهد. این شامل الحاقات و اصلاحات مختلف NMF، به ویژه فاکتورسازی‌های تانسور غیرمنفی (NTF) و تجزیه‌های تاکر غیرمنفی (NTD) می‌شود. NMF/NTF و الحاقات آنها به طور فزاینده ای به عنوان ابزاری در پردازش سیگنال و تصویر و تجزیه و تحلیل داده ها مورد استفاده قرار می گیرند و به دلیل توانایی آنها در ارائه بینش های جدید و اطلاعات مرتبط در مورد روابط پنهان پیچیده در مجموعه داده های تجربی مورد توجه قرار می گیرند. پیشنهاد می‌شود که NMF می‌تواند مؤلفه‌های معنی‌داری را با تفاسیر فیزیکی ارائه کند. به عنوان مثال، در بیوانفورماتیک، NMF و پسوندهای آن با موفقیت در بیان ژن، تجزیه و تحلیل توالی، خصوصیات عملکردی ژن ها، خوشه بندی و متن کاوی به کار گرفته شده است. به این ترتیب، نویسندگان بر روی الگوریتم‌هایی تمرکز می‌کنند که در عمل بسیار مفید هستند و به سریع‌ترین، قوی‌ترین و مناسب‌ترین مدل‌ها در مقیاس بزرگ نگاه می‌کنند. ویژگی‌های کلیدی: به‌عنوان راهنمای مرجع منبع واحد برای NMF عمل می‌کند، و اطلاعاتی را که به‌طور گسترده‌ای استفاده می‌شود، جمع‌آوری می‌کند. پراکنده در ادبیات کنونی، از جمله تکنیک‌های اخیراً توسعه‌یافته خود نویسندگان در حوزه موضوعی. از توابع هزینه تعمیم‌یافته مانند واگرایی‌های برگمن، آلفا و بتا برای ارائه پیاده‌سازی‌های عملی انواع مختلفی از الگوریتم‌های قوی، به‌ویژه ضربی، حداقل مربعات متناوب استفاده می‌کند. الگوریتم‌های گرادیان پیش‌بینی‌شده و شبه نیوتن. تجزیه و تحلیل مقایسه‌ای از روش‌های مختلف را به منظور شناسایی خطای تقریبی و پیچیدگی ارائه می‌دهد. شامل کدهای شبه و کدهای منبع بهینه شده متلب برای تقریباً همه الگوریتم‌های ارائه‌شده در کتاب. افزایش علاقه به فاکتورسازی‌های ماتریس و تانسور غیرمنفی و همچنین تجزیه و نمایش پراکنده داده ها، تضمین می کند که این کتاب es است مطالعه مهم برای مهندسان، دانشمندان، محققان، شاغلین صنعت و دانشجویان فارغ التحصیل در زمینه پردازش سیگنال و تصویر؛ عصب شناسی; داده کاوی و تجزیه و تحلیل داده ها؛ علوم کامپیوتر؛ بیوانفورماتیک؛ پردازش گفتار؛ مهندسی پزشکی؛ و چند رسانه ای


توضیحاتی درمورد کتاب به خارجی

This book provides a broad survey of models and efficient algorithms for Nonnegative Matrix Factorization (NMF). This includes NMF’s various extensions and modifications, especially Nonnegative Tensor Factorizations (NTF) and Nonnegative Tucker Decompositions (NTD). NMF/NTF and their extensions are increasingly used as tools in signal and image processing, and data analysis, having garnered interest due to their capability to provide new insights and relevant information about the complex latent relationships in experimental data sets. It is suggested that NMF can provide meaningful components with physical interpretations; for example, in bioinformatics, NMF and its extensions have been successfully applied to gene expression, sequence analysis, the functional characterization of genes, clustering and text mining. As such, the authors focus on the algorithms that are most useful in practice, looking at the fastest, most robust, and suitable for large-scale models.Key features:Acts as a single source reference guide to NMF, collating information that is widely dispersed in current literature, including the authors’ own recently developed techniques in the subject area.Uses generalized cost functions such as Bregman, Alpha and Beta divergences, to present practical implementations of several types of robust algorithms, in particular Multiplicative, Alternating Least Squares, Projected Gradient and Quasi Newton algorithms.Provides a comparative analysis of the different methods in order to identify approximation error and complexity.Includes pseudo codes and optimized MATLAB source codes for almost all algorithms presented in the book.The increasing interest in nonnegative matrix and tensor factorizations, as well as decompositions and sparse representation of data, will ensure that this book is essential reading for engineers, scientists, researchers, industry practitioners and graduate students across signal and image processing; neuroscience; data mining and data analysis; computer science; bioinformatics; speech processing; biomedical engineering; and multimedia.





نظرات کاربران