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 Sparse modeling : theory, algorithms, and applications

دانلود کتاب مدل‌سازی پراکنده: نظریه، الگوریتم‌ها و کاربردها

Sparse modeling : theory, algorithms, and applications

مشخصات کتاب

Sparse modeling : theory, algorithms, and applications

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9781439828700, 1439828709 
ناشر: CRC Press LLC 
سال نشر: 2015 
تعداد صفحات: 250 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 Mb 

قیمت کتاب (تومان) : 45,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Sparse modeling : theory, 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 مدل‌سازی پراکنده: نظریه، الگوریتم‌ها و کاربردها 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 مدل‌سازی پراکنده: نظریه، الگوریتم‌ها و کاربردها

مدل‌های پراکنده به‌ویژه در کاربردهای علمی، مانند کشف نشانگرهای زیستی در داده‌های ژنتیکی یا تصویربرداری عصبی، که در آن قابلیت تفسیر یک مدل پیش‌بینی ضروری است، مفید هستند. پراکندگی همچنین می‌تواند کارایی هزینه پردازش سیگنال را به طور چشمگیری بهبود بخشد. مدل‌سازی پراکنده: نظریه، الگوریتم‌ها و کاربردها مقدمه


توضیحاتی درمورد کتاب به خارجی

Sparse models are particularly useful in scientific applications, such as biomarker discovery in genetic or neuroimaging data, where the interpretability of a predictive model is essential. Sparsity can also dramatically improve the cost efficiency of signal processing.Sparse Modeling: Theory, Algorithms, and Applications provides an introduction t





نظرات کاربران