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: آموزشی ویرایش: 1 نویسندگان: Ron Sun (auth.), Ron Sun, C. Lee Giles (eds.) سری: Lecture Notes in Computer Science 1828 : Lecture Notes in Artificial Intelligence ISBN (شابک) : 3540415971, 9783540415978 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2001 تعداد صفحات: 400 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب آموزش توالی: پارادایم ها، الگوریتم ها و برنامه های کاربردی: هوش مصنوعی (شامل رباتیک)، محاسبات با دستگاه های انتزاعی، تحلیل الگوریتم و پیچیدگی مسئله
در صورت تبدیل فایل کتاب Sequence Learning: Paradigms, Algorithms, and Applications 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 آموزش توالی: پارادایم ها، الگوریتم ها و برنامه های کاربردی 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.
رفتار متوالی برای هوش به طور کلی و بخشی اساسی از فعالیتهای انسانی ضروری است، از استدلال گرفته تا زبان، و از مهارتهای روزمره تا حل مسائل پیچیده. یادگیری توالی جزء مهمی از یادگیری در بسیاری از وظایف و زمینه های کاربردی است: برنامه ریزی، استدلال، پردازش زبان طبیعی رباتیک، تشخیص گفتار، کنترل تطبیقی، پیش بینی سری های زمانی، مهندسی مالی، توالی DNA و غیره. این کتاب فصلهای منسجمی را توسط مقامات برجسته ارائه میکند و با معرفی مدلها و الگوریتمهای ضروری و با بررسی انواع کاربردها، وضعیت هنر را در یادگیری متوالی ارزیابی میکند. این کتاب بخشهای موضوعی در مورد خوشهبندی توالی و یادگیری با مدلهای مارکوف، پیشبینی و تشخیص توالی با شبکههای عصبی، کشف توالی با روشهای نمادین، تصمیمگیری متوالی، مدلهای یادگیری توالی الهامگرفته از بیولوژیکی را ارائه میدهد.
Sequential behavior is essential to intelligence in general and a fundamental part of human activities, ranging from reasoning to language, and from everyday skills to complex problem solving. Sequence learning is an important component of learning in many tasks and application fields: planning, reasoning, robotics natural language processing, speech recognition, adaptive control, time series prediction, financial engineering, DNA sequencing, and so on. This book presents coherently integrated chapters by leading authorities and assesses the state of the art in sequence learning by introducing essential models and algorithms and by examining a variety of applications. The book offers topical sections on sequence clustering and learning with Markov models, sequence prediction and recognition with neural networks, sequence discovery with symbolic methods, sequential decision making, biologically inspired sequence learning models.
Introduction to Sequence Learning....Pages 1-10
Sequence Learning via Bayesian Clustering by Dynamics....Pages 11-34
Using Dynamic Time Warping to Bootstrap HMM-Based Clustering of Time Series....Pages 35-52
Anticipation Model for Sequential Learning of Complex Sequences....Pages 53-79
Bidirectional Dynamics for Protein Secondary Structure Prediction....Pages 80-104
Time in Connectionist Models....Pages 105-134
On the Need for a Neural Abstract Machine....Pages 135-161
Sequence Mining in Categorical Domains: Algorithms and Applications....Pages 162-187
Sequence Learning in the ACT-R Cognitive Architecture: Empirical Analysis of a Hybrid Model....Pages 188-212
Sequential Decision Making Based on Direct Search....Pages 213-240
Automatic Segmentation of Sequences through Hierarchical Reinforcement Learning....Pages 241-263
Hidden-Mode Markov Decision Processes for Nonstationary Sequential Decision Making....Pages 264-287
Pricing in Agent Economies Using Neural Networks and Multi-agent Q-Learning....Pages 288-307
Multiple Forward Model Architecture for Sequence Processing....Pages 308-320
Integration of Biologically Inspired Temporal Mechanisms into a Cortical Framework for Sequence Processing....Pages 321-348
Attentive Learning of Sequential Handwriting Movements: A Neural Network Model....Pages 349-387