مشخصات کتاب

Practical applications of sparse modeling

ویرایش:  
نویسندگان: Rish. Irina  
سری: Neural information processing series. 
ISBN (شابک) : 9780262027724, 0262027720 
ناشر: The MIT Press 
سال نشر: 2014 
تعداد صفحات: 249
[252] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

در صورت تبدیل فایل کتاب Practical applications of sparse modeling 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 کاربردهای عملی مدلسازی پراکنده 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 کاربردهای عملی مدلسازی پراکنده

\"مدلسازی پراکنده یک منطقه به سرعت در حال توسعه در تقاطع یادگیری آماری و پردازش سیگنال است که با انگیزه مشکل آماری قدیمی انتخاب تعداد کمی از متغیرهای پیش‌بینی در مجموعه داده‌های با ابعاد بالا ایجاد می‌شود. این مجموعه رویکردهای کلیدی در مدل‌سازی پراکنده را توصیف می‌کند. با تمرکز بر کاربردهای آن در زمینه هایی مانند علوم اعصاب، زیست شناسی محاسباتی، و بینایی کامپیوتری. سیگنال‌های مشاهده نشده بعدی از تعداد محدودی از اندازه‌گیری‌ها. با وجود پیشرفت‌های قابل توجه در این زمینه، زمانی که مدل‌سازی پراکنده با کاربردهای واقعی مواجه می‌شود، تعدادی از مسائل باز باقی می‌ماند. این کتاب طیف وسیعی از کاربردهای عملی و پیشرفته‌ترین را مورد بحث قرار می‌دهد. رویکردهایی برای مقابله با چالش های ارائه شده توسط این برنامه ها موضوعات در نظر گرفته شده شامل انتخاب روش در کاربرد ژنومیک است. s; تجزیه و تحلیل داده های طیف سنجی جرمی پروتئین. پایداری مدل‌های پراکنده در برنامه‌های تصویربرداری مغز؛ روش های تست متوالی؛ جنبه های الگوریتمی بازیابی پراکنده. و یادگیری مدل‌های نهفته پراکنده\"--ژاکت.  بیشتر بخوانید...

توضیحاتی درمورد کتاب به خارجی

"Sparse modeling is a rapidly developing area at the intersection of statistical learning and signal processing, motivated by the age-old statistical problem of selecting a small number of predictive variables in high-dimensional data sets. This collection describes key approaches in sparse modeling, focusing on its applications in such fields as neuroscience, computational biology, and computer vision. Sparse modeling methods can improve the interpretability of predictive models and aid efficient recovery of high-dimensional unobserved signals from a limited number of measurements. Yet despite significant advances in the field, a number of open issues remain when sparse modeling meets real-life applications. The book discusses a range of practical applications and state-of-the-art approaches for tackling the challenges presented by these applications. Topics considered include the choice of method in genomics applications; analysis of protein mass-spectrometry data; the stability of sparse models in brain imaging applications; sequential testing approaches; algorithmic aspects of sparse recovery; and learning sparse latent models"--Jacket.  Read more...

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Minimalism: Origins

دانلود کتاب American Spring: Lexington, Concord, and the Road to Revolution

دانلود کتاب Advances in Business and Management Forecasting, Volume 7 volume 7

دانلود کتاب I numeri degli angeli: I messaggi e il significato dietro al numero 11 -11 e ad altre sequenze numeriche

دانلود کتاب The Crime Against Europe (A possible outcome of the war of 1914)