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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: V. Kecman (auth.), Professor Lipo Wang (eds.) سری: Studies in Fuzziness and Soft Computing 177 ISBN (شابک) : 9783540243885, 9783540323846 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2005 تعداد صفحات: 434 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
کلمات کلیدی مربوط به کتاب پشتیبانی از ماشین های برداری: نظریه و کاربردها: ریاضیات کاربردی/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)، تشخیص الگو
در صورت تبدیل فایل کتاب Support Vector Machines: Theory 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 پشتیبانی از ماشین های برداری: نظریه 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.
ماشین بردار پشتیبانی (SVM) به یکی از ابزارهای استاندارد برای یادگیری ماشین و داده کاوی تبدیل شده است. این جلد به دقت ویرایش شده، وضعیت هنر پایه ریاضی SVM در تئوری یادگیری آماری، و همچنین الگوریتمها و کاربردهای جدید را ارائه میکند. Support Vector Machines مجموعهای از برنامههای کاربردی دنیای واقعی، مانند بیوانفورماتیک، دستهبندی متن، تشخیص الگو، و تشخیص اشیا را که توسط کارشناسان برجسته در زمینههای مربوطه نوشته شدهاند، ارائه میکند.
The support vector machine (SVM) has become one of the standard tools for machine learning and data mining. This carefully edited volume presents the state of the art of the mathematical foundation of SVM in statistical learning theory, as well as novel algorithms and applications. Support Vector Machines provides a selection of numerous real-world applications, such as bioinformatics, text categorization, pattern recognition, and object detection, written by leading experts in the respective fields.
Support Vector Machines – An Introduction....Pages 1-47
Multiple Model Estimation for Nonlinear Classification....Pages 49-76
Componentwise Least Squares Support Vector Machines....Pages 77-98
Active Support Vector Learning with Statistical Queries....Pages 99-111
Local Learning vs. Global Learning: An Introduction to Maxi-Min Margin Machine....Pages 113-131
Active-Set Methods for Support Vector Machines....Pages 133-158
Theoretical and Practical Model Selection Methods for Support Vector Classifiers....Pages 159-179
Adaptive Discriminant and Quasiconformal Kernel Nearest Neighbor Classification....Pages 181-203
Improving the Performance of the Support Vector Machine: Two Geometrical Scaling Methods....Pages 205-218
An Accelerated Robust Support Vector Machine Algorithm....Pages 219-232
Fuzzy Support Vector Machines with Automatic Membership Setting....Pages 233-254
Iterative Single Data Algorithm for Training Kernel Machines from Huge Data Sets: Theory and Performance....Pages 255-274
Kernel Discriminant Learning with Application to Face Recognition....Pages 275-296
Fast Color Texture-Based Object Detection in Images: Application to License Plate Localization....Pages 297-320
Support Vector Machines for Signal Processing....Pages 321-342
Cancer Diagnosis and Protein Secondary Structure Prediction Using Support Vector Machines....Pages 343-363
Gas Sensing Using Support Vector Machines....Pages 365-386
Application of Support Vector Machines in Inverse Problems in Ocean Color Remote Sensing....Pages 387-397
Application of Support Vector Machine to the Detection of Delayed Gastric Emptying from Electrogastrograms....Pages 399-412
Tachycardia Discrimination in Implantable Cardioverter Defibrillators Using Support Vector Machines and Bootstrap Resampling....Pages 413-431