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: الگوریتم ها و ساختارهای داده ها: شناخت الگو ویرایش: 2 نویسندگان: John P. Frisby, James V. Stone سری: ISBN (شابک) : 0262514273, 9780262514279 ناشر: The MIT Press سال نشر: 2010 تعداد صفحات: 569 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
در صورت تبدیل فایل کتاب Seeing: The Computational Approach to Biological Vision 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 دیدن: رویکرد محاسباتی به بینایی بیولوژیکی 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.
دیدن برای قرن ها دانشمندان و فیلسوفان را متحیر کرده است و همچنان ادامه دارد. این نسخه جدید از یک متن کلاسیک مقدمه ای در دسترس اما دقیق برای رویکرد محاسباتی برای درک سیستم های بصری بیولوژیکی ارائه می دهد. نویسندگان Seeing، با در نظر گرفتن بیانیه دیوید مار که "درک بینایی با مطالعه فقط نورون ها مانند تلاش برای درک پرواز پرندگان با مطالعه تنها پرها است"، از سه سطح مختلف تحلیل مار در مطالعه بینایی استفاده می کنند. : سطح محاسباتی، سطح الگوریتمی و سطح اجرای سخت افزار. هر فصل با بررسی مشکلاتی که سیستم بینایی در تفسیر تصاویر شبکیه با آن مواجه میشود و محدودیتهای موجود برای حل این مشکلات، این رویکرد را برای موضوعی متفاوت در بینایی اعمال میکند. الگوریتم هایی که می توانند راه حل را تحقق بخشند. و پیاده سازی این الگوریتم ها در نورون ها. Seeing برای این نسخه کاملاً بهروزرسانی شده است و به بیش از سه برابر طول اصلی آن افزایش یافته است. طراحی شده است تا خواننده را از طریق مشکلات بینایی هدایت کند، از این ایده رایج (اما اشتباه) که دیدن فقط شامل ساختن تصاویر در مغز است تا جزئیات اینکه چگونه نورون ها به طور جمعی ویژگی های بصری را که زیربنای دیدن هستند رمزگذاری می کنند. اگرچه هیچ دانش قبلی از این زمینه را فرض نمیکند، برخی از فصلها مطالب پیشرفتهای را ارائه میکنند، این آن را تنها کتاب درسی مناسب برای دانشجویان کارشناسی و کارشناسی ارشد میسازد که دیدگاه محاسباتی ثابتی دارد و مبنای مفهومی محکمی برای پرداختن به ادبیات گسترده در مورد بینش ارائه میدهد. طیف وسیعی از موضوعات، از جمله افترافکت ها، شبکیه چشم، میدان های گیرنده، تشخیص اشیا، نقشه های مغز، ادراک بیزی، حرکت، رنگ و استریوپسی را پوشش می دهد. کد MatLab در وب سایت کتاب موجود است که شامل یک نمایش ساده از پیچیدگی تصویر است.
Seeing has puzzled scientists and philosophers for centuries and it continues to do so. This new edition of a classic text offers an accessible but rigorous introduction to the computational approach to understanding biological visual systems. The authors of Seeing, taking as their premise David Marr's statement that "to understand vision by studying only neurons is like trying to understand bird flight by studying only feathers," make use of Marr's three different levels of analysis in the study of vision: the computational level, the algorithmic level, and the hardware implementation level. Each chapter applies this approach to a different topic in vision by examining the problems the visual system encounters in interpreting retinal images and the constraints available to solve these problems; the algorithms that can realize the solution; and the implementation of these algorithms in neurons. Seeing has been thoroughly updated for this edition and expanded to more than three times its original length. It is designed to lead the reader through the problems of vision, from the common (but mistaken) idea that seeing consists just of making pictures in the brain to the minutiae of how neurons collectively encode the visual features that underpin seeing. Although it assumes no prior knowledge of the field, some chapters present advanced material, This makes it the only textbook suitable for both undergraduate and graduate students that takes a consistently computational perspective, offering a firm conceptual basis for tackling the vast literature on vision. It covers a wide range of topics, including aftereffects, the retina, receptive fields, object recognition, brain maps, Bayesian perception, motion, color, and stereopsis. MatLab code is available on the book's Web site, which includes a simple demonstration of image convolution.