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
ویرایش:
نویسندگان: à arūnas Raudys (auth.)
سری: Advances in Pattern Recognition
ISBN (شابک) : 9781852332976, 9781447103592
ناشر: Springer London
سال نشر: 2001
تعداد صفحات: 308
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Statistical and Neural Classifiers: An Integrated Approach to Design 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 طبقهبندیکنندههای آماری و عصبی: رویکردی یکپارچه برای طراحی 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.
طبقه بندی الگوها یک حوزه مهم تحقیقاتی است که در همه زمینه های
تشخیص الگو، از جمله گفتار، تصویر، روباتیک و تجزیه و تحلیل داده
ها نقش اساسی دارد. شبکههای عصبی با موفقیت در تعدادی از این
زمینهها مورد استفاده قرار گرفتهاند، اما تاکنون کاربرد آنها
مبتنی بر یک "رویکرد جعبه سیاه" بوده است، بدون اینکه درک واقعی
از نحوه کار آنها وجود داشته باشد.
در این کتاب، Sarunas Raudys - یک محقق معتبر بین المللی در این
منطقه - یک مقدمه ریاضی و کاربردی عالی در مورد نحوه کار طبقه
بندی کننده های شبکه عصبی و نحوه استفاده از آنها برای تأثیر
بهینه ارائه می دهد. از جمله موضوعات تحت پوشش عبارتند از:
- انواع مختلف طبقه بندی شبکه های عصبی؛
- طبقه بندی الگوریتم های طبقه بندی الگوها؛
- قابلیت های عملکرد و روش های اندازه گیری؛
- کدام ویژگی ها باید از داده های خام استخراج شوند. برای بهترین
نتایج طبقهبندی.
این کتاب خواندن ضروری را برای هر کسی که در زمینههای مربوط به
تشخیص الگو (مانند پردازش تصویر، تشخیص گفتار، روباتیک و چند
رسانهای) تحقیق یا مطالعه میکند، فراهم میکند. همچنین برای هر
کسی که در شبکه های عصبی کاربردی مطالعه یا تحقیق می کند، جالب
خواهد بود.
The classification of patterns is an important area of research
which is central to all pattern recognition fields, including
speech, image, robotics, and data analysis. Neural networks
have been used successfully in a number of these fields, but so
far their application has been based on a "black box approach",
with no real understanding of how they work.
In this book, Sarunas Raudys - an internationally respected
researcher in the area - provides an excellent mathematical and
applied introduction to how neural network classifiers work and
how they should be used to optimal effect. Among the topics
covered are:
- Different types of neural network classifiers;
- A taxonomy of pattern classification algorithms;
- Performance capabilities and measurement procedures;
- Which features should be extracted from raw data for the best
classification results.
This book will provide essential reading for anyone researching
or studying relevant areas of pattern recognition (such as
image processing, speech recognition, robotics, and
multimedia). It will also be of interest to anyone studing or
researching in applied neural networks.
Content:
Front Matter....Pages i-xxiii
Quick Overview....Pages 1-26
Taxonomy of Pattern Classification Algorithms....Pages 27-75
Performance and the Generalisation Error....Pages 77-134
Neural Network Classifiers....Pages 135-190
Integration of Statistical and Neural Approaches....Pages 191-207
Model Selection....Pages 209-266
Back Matter....Pages 267-289