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 Source Separation and Machine Learning

دانلود کتاب جداسازی منبع و یادگیری ماشین

Source Separation and Machine Learning

مشخصات کتاب

Source Separation and Machine Learning

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 0128177969, 9780128177969 
ناشر: Academic Press 
سال نشر: 2018 
تعداد صفحات: 369 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت

قیمت کتاب (تومان) : 43,000



کلمات کلیدی مربوط به کتاب جداسازی منبع و یادگیری ماشین: یادگیری ماشینی، شبکه‌های عصبی، یادگیری عمیق، شبکه‌های بیزی، شبکه‌های عصبی مکرر، تحلیل تانسور، جداسازی منبع



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Source Separation and Machine Learning 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 جداسازی منبع و یادگیری ماشین 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 جداسازی منبع و یادگیری ماشین

جداسازی منبع و یادگیری ماشینی مبانی الگوریتم‌های یادگیری تطبیقی ​​را برای جداسازی منبع کور (BSS) ارائه می‌کند و بر اهمیت دیدگاه‌های یادگیری ماشین تأکید می‌کند. این نشان می دهد که چگونه مشکلات BSS از طریق الگوریتم های یادگیری تطبیقی ​​و رویکردهای مبتنی بر مدل با استفاده از آخرین اطلاعات در مورد سیگنال های مخلوط برای ساخت یک مدل BSS که به عنوان یک مدل آماری برای کل سیستم دیده می شود، حل می شود. با نگاهی به مدل‌های مختلف، از جمله تجزیه و تحلیل مؤلفه‌های مستقل (ICA)، فاکتورسازی ماتریس غیر منفی (NMF)، فاکتورسازی تانسور غیر منفی (NTF) و شبکه عصبی عمیق (DNN)، این کتاب به چگونگی تکامل آنها برای مقابله با چند کاناله و تک کانالی می‌پردازد. جداسازی منبع • بر جداسازی منبع کور مبتنی بر مدل مدرن (BSS) تأکید می کند که از نزدیک آخرین موضوعات تحقیقاتی BSS و یادگیری ماشین را به هم مرتبط می کند. • شامل پوشش یادگیری بیزی، یادگیری پراکنده، یادگیری آنلاین، یادگیری تبعیض آمیز و یادگیری عمیق است. • تعدادی از مطالعات موردی BSS مبتنی بر مدل را ارائه می دهد (دسته بندی آنها به چهار مدل مدرن - ICA، NMF، NTF و DNN)، با استفاده از انواع الگوریتم های یادگیری که راه حل هایی را برای ساخت سیستم های BSS ارائه می کنند.


توضیحاتی درمورد کتاب به خارجی

Source Separation and Machine Learning presents the fundamentals in adaptive learning algorithms for Blind Source Separation (BSS) and emphasizes the importance of machine learning perspectives. It illustrates how BSS problems are tackled through adaptive learning algorithms and model-based approaches using the latest information on mixture signals to build a BSS model that is seen as a statistical model for a whole system. Looking at different models, including independent component analysis (ICA), nonnegative matrix factorization (NMF), nonnegative tensor factorization (NTF), and deep neural network (DNN), the book addresses how they have evolved to deal with multichannel and single-channel source separation. • Emphasizes the modern model-based Blind Source Separation (BSS) which closely connects the latest research topics of BSS and Machine Learning • Includes coverage of Bayesian learning, sparse learning, online learning, discriminative learning and deep learning • Presents a number of case studies of model-based BSS (categorizing them into four modern models - ICA, NMF, NTF and DNN), using a variety of learning algorithms that provide solutions for the construction of BSS systems





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی