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: [1 ed.] نویسندگان: Wray Buntine, Aleks Jakulin (auth.), Craig Saunders, Marko Grobelnik, Steve Gunn, John Shawe-Taylor (eds.) سری: Lecture Notes in Computer Science 3940 : Theoretical Computer Science and General Issues ISBN (شابک) : 3540341374, 9783540341376 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2006 تعداد صفحات: 209 [217] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Subspace, Latent Structure and Feature Selection: Statistical and Optimization Perspectives Workshop, SLSFS 2005, Bohinj, Slovenia, February 23-25, 2005, Revised Selected Papers 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 زیر فضای ، ساختار نهفته و انتخاب ویژگی ها: کارگاه آموزشی پرسپکتیو های آماری و بهینه سازی ، SLSFS 2005 ، بووهین ، اسلوونی ، 23-25 فوریه 2005 ، نسخه های تجدید نظر شده 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.
این کتاب شامل کارگاه آموزشی PASCAL (تحلیل الگو، مدلسازی آماری و یادگیری محاسباتی) آماری و بهینهسازی در زیرفضا، ساختار پنهان و تکنیکهای انتخاب ویژگی، SLSFS 2005، در بوهینج، اسلوونی است. 2005.
9 مقاله کامل اصلاح شده ارائه شده همراه با 5 مقاله دعوت شده با دقت در طی دو دور بررسی و بهبود برای گنجاندن در کتاب انتخاب شدند. این مقالات منعکس کننده رویکردهای کلیدی است که برای شناسایی زیرفضا و انتخاب ویژگی با استفاده از تکنیکهای کاهش بعد، روشهای زیرفضا، روشهای طرحریزی تصادفی، روشهای تحلیل آماری، رویکردهای بیزی برای انتخاب ویژگی، تحلیل ساختار پنهان/LSA احتمالی و روشهای بهینهسازی توسعه داده شدهاند. /P>
This book constitutes the thoroughly refereed post-proceedings of the PASCAL (pattern analysis, statistical modelling and computational learning) Statistical and Optimization Perspectives Workshop on Subspace, Latent Structure and Feature Selection techniques, SLSFS 2005, held in Bohinj, Slovenia in February 2005.
The 9 revised full papers presented together with 5 invited papers were carefully selected during two rounds of reviewing and improvement for inclusion in the book. The papers reflect the key approaches that have been developed for subspace identification and feature selection using dimension reduction techniques, subspace methods, random projection methods, statistical analysis methods, Bayesian approaches to feature selection, latent structure analysis/probabilistic LSA, and optimisation methods.