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: [1 ed.] نویسندگان: Gabriel B. P. Costa, Moacir Ponti, Alejandro C. Frery (auth.), Zhi-Hua Zhou, Friedhelm Schwenker (eds.) سری: Lecture Notes in Computer Science 8183 ISBN (شابک) : 9783642407048, 9783642407055 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2013 تعداد صفحات: 117 [125] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Partially Supervised Learning: Second IAPR International Workshop, PSL 2013, Nanjing, China, May 13-14, 2013, Revised Selected Papers 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 بخشی از آموزش تحت نظارت: دومین کارگاه آموزشی IAPR، PSL 2013، نانجینگ، چین، 13-14 مه 2013، مقالات منتخب تجدید نظر شده 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 کتاب شامل مقالات منتخب اصلاحشده و کاملاً داوری شده از دومین کارگاه بینالمللی IAPR، PSL 2013، که در نانجینگ، چین، در ماه مه 2013 برگزار شد، است. یادگیری با نظارت جزئی یک حوزه به سرعت در حال تکامل از یادگیری ماشین است. بسیاری از انواع پارادایم های یادگیری از جمله یادگیری تحت نظارت و بدون نظارت، یادگیری نیمه نظارتی برای طبقه بندی و رگرسیون، یادگیری انتقالی، خوشه بندی نیمه نظارت شده، یادگیری چند نمونه ای، یادگیری برچسب ضعیف، یادگیری خط مشی در محیط های نیمه قابل مشاهده و غیره را تعمیم می دهد. p>
This book constitutes the thoroughly refereed revised selected papers from the Second IAPR International Workshop, PSL 2013, held in Nanjing, China, in May 2013. The 10 papers included in this volume were carefully reviewed and selected from 26 submissions. Partially supervised learning is a rapidly evolving area of machine learning. It generalizes many kinds of learning paradigms including supervised and unsupervised learning, semi-supervised learning for classification and regression, transductive learning, semi-supervised clustering, multi-instance learning, weak label learning, policy learning in partially observable environments, etc.