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 Statistical and Inductive Inference By Minimum Message Length

دانلود کتاب استنتاج آماری و استقرایی با حداقل طول پیام

مشخصات کتاب

Statistical and Inductive Inference By Minimum Message Length

دسته بندی: احتمال
ویرایش:  
نویسندگان: C.S. Wallace  
سری: Information science and statistics 
ISBN (شابک) : 9780387237954, 038723795X 
ناشر: Springer 
سال نشر: 2005 
تعداد صفحات: 436 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 31,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Statistical and Inductive Inference By Minimum Message Length 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 استنتاج آماری و استقرایی با حداقل طول پیام 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 استنتاج آماری و استقرایی با حداقل طول پیام

اصل حداقل طول پیام (MML) یک رویکرد نظری اطلاعاتی برای استقراء، آزمون فرضیه، انتخاب مدل و استنتاج آماری است. MML، که مشخصات رسمی برای اجرای Occam's Razor ارائه می‌کند، ادعا می‌کند که «بهترین» توضیح داده‌های مشاهده‌شده کوتاه‌ترین است. علاوه بر این، توضیح قابل قبول است (یعنی استقرا موجه باشد) تنها در صورتی که توضیح کوتاهتر از داده اصلی باشد. این کتاب مقدمه‌ای درست از اصل طول حداقل پیام و کاربردهای آن ارائه می‌کند، استدلال‌های نظری برای پذیرش این اصل ارائه می‌دهد، و توسعه تقریب‌های خاصی را نشان می‌دهد که به کاربرد عملی آن کمک می‌کند. به نظر می رسد که MML هم مبنای هنجاری و هم مبنایی توصیفی برای استدلال استقرایی به طور کلی و استقرای علمی به طور خاص ارائه می دهد. کتاب این مبنا را تشریح می کند و هدف آن نشان دادن ارتباط آن با فلسفه علم است. استنتاج آماری و استقرایی با حداقل طول پیام مورد توجه دانشجویان فارغ التحصیل و محققان در یادگیری ماشین و داده کاوی، دانشمندان و تحلیلگران در رشته های مختلف که مایل به استفاده از تکنیک های کامپیوتری برای کشف فرضیه هستند، آماردانان و اقتصاد سنجی های علاقه مند به نظریه اساسی خواهد بود. از رشته آنها و افراد علاقه مند به فلسفه علم. این کتاب همچنین می‌تواند در دوره تحصیلات تکمیلی در یادگیری ماشین و تخمین و انتخاب مدل، اقتصاد سنجی و داده کاوی استفاده شود. سی اس والاس در سال 1968 در سن 35 سالگی به عنوان رئیس بنیاد علوم کامپیوتر در دانشگاه موناش منصوب شد و تا زمان مرگش در سال 2004 در آنجا کار کرد. او در سال 1995 بورسیه ACM دریافت کرد و در سال 1996 به عنوان استاد بازنشسته منصوب شد. سهم قابل توجهی در زمینه های مختلف علوم کامپیوتر، مانند معماری کامپیوتر، شبیه سازی و یادگیری ماشین. تحقیقات نهایی او در درجه اول بر اصل حداقل طول پیام متمرکز بود.

توضیحاتی درمورد کتاب به خارجی

The Minimum Message Length (MML) Principle is an information-theoretic approach to induction, hypothesis testing, model selection, and statistical inference. MML, which provides a formal specification for the implementation of Occam's Razor, asserts that the ‘best’ explanation of observed data is the shortest. Further, an explanation is acceptable (i.e. the induction is justified) only if the explanation is shorter than the original data. This book gives a sound introduction to the Minimum Message Length Principle and its applications, provides the theoretical arguments for the adoption of the principle, and shows the development of certain approximations that assist its practical application. MML appears also to provide both a normative and a descriptive basis for inductive reasoning generally, and scientific induction in particular. The book describes this basis and aims to show its relevance to the Philosophy of Science. Statistical and Inductive Inference by Minimum Message Length will be of special interest to graduate students and researchers in Machine Learning and Data Mining, scientists and analysts in various disciplines wishing to make use of computer techniques for hypothesis discovery, statisticians and econometricians interested in the underlying theory of their discipline, and persons interested in the Philosophy of Science. The book could also be used in a graduate-level course in Machine Learning and Estimation and Model-selection, Econometrics and Data Mining. C.S. Wallace was appointed Foundation Chair of Computer Science at Monash University in 1968, at the age of 35, where he worked until his death in 2004. He received an ACM Fellowship in 1995, and was appointed Professor Emeritus in 1996. Professor Wallace made numerous significant contributions to diverse areas of Computer Science, such as Computer Architecture, Simulation and Machine Learning. His final research focused primarily on the Minimum Message Length Principle.