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 Optimization for Geometric Computation: Theory and Practice

دانلود کتاب بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل

مشخصات کتاب

Statistical Optimization for Geometric Computation: Theory and Practice

دسته بندی: ریاضیات محاسباتی
ویرایش:  
نویسندگان: Kenichi Kanatani (Eds.)  
سری: Machine intelligence and pattern recognition 18 
ISBN (شابک) : 0444824278, 9780444824271 
ناشر: Elsevier 
سال نشر: 1996 
تعداد صفحات: 508 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 34,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 13

در صورت تبدیل فایل کتاب Statistical Optimization for Geometric Computation: Theory and Practice 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 بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل 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 بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل

این کتاب مبانی ریاضی استنتاج آماری را برای ساخت یک مدل سه بعدی از محیط از روی داده‌های تصویر و حسگر که حاوی نویز هستند، مورد بحث قرار می‌دهد - وظیفه اصلی ربات‌های مستقل که توسط دوربین‌های ویدئویی و حسگرها هدایت می‌شوند. یک مرز دقت نظری برای روش بهینه‌سازی برای به حداکثر رساندن قابلیت اطمینان تخمین بر اساس داده‌های پر سر و صدا به دست می‌آید و طرح‌های محاسباتی عملی که به آن حد می‌رسند مشتق می‌شوند. بسیاری از نمونه‌های داده مصنوعی و واقعی ارائه می‌شوند تا نشان دهند که روش‌های مرسوم بهینه نیستند و در صورت استفاده از روش‌های واقعاً بهینه، چگونه دقت بهبود می‌یابد.

توضیحاتی درمورد کتاب به خارجی

This book discusses mathematical foundations of statistical inference for building a 3-D model of the environment from image and sensor data that contain noise - a central task for autonomous robots guided by video cameras and sensors. A theoretical accuracy bound is derived for the optimization procedure for maximizing the reliability of the estimation based on noisy data, and practical computational schemes that attain that bound are derived. Many synthetic and real data examples are given to demonstrate that conventional methods are not optimal and how accuracy improves if truly optimal methods are employed.

فهرست مطالب

Content: 
Preface
Pages v-vi
Kenichi Kanatani

Chapter 1 Introduction Original Research Article
Pages 1-26

Chapter 2 Fundamentals of linear algebra Original Research Article
Pages 27-60

Chapter 3 Probabilities and statistical estimation Original Research Article
Pages 61-93

Chapter 4 Representation of geometric objects Original Research Article
Pages 95-130

Chapter 5 Geometric correction Original Research Article
Pages 131-170

Chapter 6 3-D computation by stereo vision Original Research Article
Pages 171-207

Chapter 7 Parametric fitting Original Research Article
Pages 209-246

Chapter 8 Optimal filter Original Research Article
Pages 247-265

Chapter 9 Renormalization Original Research Article
Pages 267-294

Chapter 10 Applications of geometric estimation Original Research Article
Pages 295-323

Chapter 11 3-D motion analysis Original Research Article
Pages 325-368

Chapter 12 3-D interpretation of optical flow Original Research Article
Pages 369-414

Chapter 13 Information criterion for model selection Original Research Article
Pages 415-450

Chapter 14 General theory of geometric estimation Original Research Article
Pages 451-499

Index
Pages 501-509