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 مدل سازی پراکنده: نظریه، الگوریتم ها و کاربردها

Sparse Modeling: Theory, Algorithms, and Applications

مشخصات کتاب

Sparse Modeling: Theory, Algorithms, and Applications

دسته بندی: پزشکی
ویرایش: 1 
نویسندگان:   
سری: Chapman & Hall/CRC Machine Learning & Pattern Recognition 
ISBN (شابک) : 1439828695, 9781439828694 
ناشر: CRC Press 
سال نشر: 2014 
تعداد صفحات: 250 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 32,000



کلمات کلیدی مربوط به کتاب مدل سازی پراکنده: نظریه، الگوریتم ها و کاربردها: رشته های پزشکی، فناوری اطلاعات در پزشکی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 19


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 مدل سازی پراکنده: نظریه، الگوریتم ها 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 مدل سازی پراکنده: نظریه، الگوریتم ها و کاربردها



مدل های پراکنده به ویژه در کاربردهای علمی، مانند کشف نشانگرهای زیستی در داده های ژنتیکی یا تصویربرداری عصبی، که در آن قابلیت تفسیر یک مدل پیش بینی ضروری است، مفید هستند. پراکندگی همچنین می‌تواند کارایی هزینه پردازش سیگنال را به‌طور چشمگیری بهبود بخشد.

مدل‌سازی پراکنده: نظریه، الگوریتم‌ها و کاربردها مقدمه‌ای بر زمینه رو به رشد مدل‌سازی پراکنده، از جمله مثال‌های کاربردی، فراهم می‌کند. فرمول‌های مسئله‌ای که راه‌حل‌های پراکنده، الگوریتم‌هایی برای یافتن چنین راه‌حل‌هایی و نتایج نظری اخیر در مورد بازیابی پراکنده به دست می‌دهند. این کتاب شما را در جریان آخرین پیشرفت‌های مرتبط با پراکندگی قرار می‌دهد و به شما انگیزه می‌دهد تا در مورد این رشته به یادگیری ادامه دهید.

نویسندگان ابتدا نمونه‌های انگیزشی و سطح بالایی را ارائه می‌کنند. بررسی پیشرفت‌های کلیدی اخیر در مدل‌سازی پراکنده سپس این کتاب مشکلات بهینه‌سازی را که شامل ابزارهای متداول اعمال کننده پراکندگی است، توضیح می‌دهد، نتایج نظری ضروری را ارائه می‌کند، و چندین الگوریتم پیشرفته را برای یافتن راه‌حل‌های پراکنده مورد بحث قرار می‌دهد.

نویسندگان در ادامه به انواع مشکلات بازیابی پراکنده می پردازند که فرمول اولیه را به اشکال پیچیده تر پراکندگی ساختاریافته و توابع از دست دادن مختلف گسترش می دهد. آنها همچنین کلاس خاصی از مدل‌های گرافیکی پراکنده را بررسی می‌کنند و یادگیری فرهنگ لغت و فاکتورسازی‌های ماتریس پراکنده را پوشش می‌دهند.


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 to the growing field of sparse modeling, including application examples, problem formulations that yield sparse solutions, algorithms for finding such solutions, and recent theoretical results on sparse recovery. The book gets you up to speed on the latest sparsity-related developments and will motivate you to continue learning about the field.

The authors first present motivating examples and a high-level survey of key recent developments in sparse modeling. The book then describes optimization problems involving commonly used sparsity-enforcing tools, presents essential theoretical results, and discusses several state-of-the-art algorithms for finding sparse solutions.

The authors go on to address a variety of sparse recovery problems that extend the basic formulation to more sophisticated forms of structured sparsity and to different loss functions. They also examine a particular class of sparse graphical models and cover dictionary learning and sparse matrix factorizations.





نظرات کاربران

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