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 نویسندگان: E. Tanaka (auth.), Gabriel Ferraté, Theo Pavlidis, Alberto Sanfeliu, Horst Bunke (eds.) سری: NATO ASI Series 45 ISBN (شابک) : 9783642834646, 9783642834622 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 1988 تعداد صفحات: 455 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 63 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص نحوی و ساختاری: تشخیص الگو، هوش مصنوعی (شامل رباتیک)، کنترل، رباتیک، مکاترونیک، اقتصاد مهندسی، سازمان، لجستیک، بازاریابی، آکوستیک
در صورت تبدیل فایل کتاب Syntactic and Structural Pattern Recognition 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 تشخیص نحوی و ساختاری 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.
سی سال پیش، تشخیص الگو تحت تسلط مفهوم ماشین یادگیری بود: اینکه میتوان فرآیند انتقال از دادههای خام به طبقهبندیکننده را خودکار کرد. استخراج ویژگیهای عددی از تصویر ورودی، مرحله مهمی در نظر گرفته نشد. میتوان تمام ویژگیهای ممکن را به یک برنامه ارائه کرد که به نوبه خود میتوانست پیدا کند که کدام یک برای تشخیص الگو مفید هستند. با وجود پیشرفت های قابل توجه در تکنیک های استنتاج آماری، پیشرفت کند بود. مشخص شد که اشتقاق ویژگی یک فرآیند بسیار پیچیده است که نمی تواند خودکار باشد و ویژگی ها می توانند نمادین و عددی باشند. علاوه بر این، رابطه فضایی بین ویژگیها ممکن است مهم باشد. به نظر می رسد که تشخیص الگو ممکن است شبیه به تجزیه و تحلیل زبان باشد، زیرا ویژگی ها می توانند نقش نمادهایی را ایفا کنند که در کنار هم قرار گرفته اند تا یک کلمه را تشکیل دهند. این منجر شد. به پیدایش تشخیص الگوی نحوی، که در اواسط و اواخر دهه 1960 توسط راسل کرش، رابرت لدلی، نراریمان و آلن شاو آغاز شد. با این حال، بررسی کامل منطقه به کینگ سان فو و شاگردانش واگذار شد که تا زمان مرگ نابهنگام او، بیشتر مقالات مهم را در این منطقه تولید کردند. یکی از این مقالات (تشخیص نحوی اثر انگشت) به عنوان بهترین مقاله منتشر شده در آن سال در IEEE Transaction on Computers برگزیده شد. بنابراین تشخیص الگوی نحوی سابقه طولانی تحقیقات فعال دارد و در کاربردهای صنعتی استفاده شده است.
Thirty years ago pattern recognition was dominated by the learning machine concept: that one could automate the process of going from the raw data to a classifier. The derivation of numerical features from the input image was not considered an important step. One could present all possible features to a program which in turn could find which ones would be useful for pattern recognition. In spite of significant improvements in statistical inference techniques, progress was slow. It became clear that feature derivation was a very complex process that could not be automated and that features could be symbolic as well as numerical. Furthennore the spatial relationship amongst features might be important. It appeared that pattern recognition might resemble language analysis since features could play the role of symbols strung together to form a word. This led. to the genesis of syntactic pattern recognition, pioneered in the middle and late 1960's by Russel Kirsch, Robert Ledley, Nararimhan, and Allan Shaw. However the thorough investigation of the area was left to King-Sun Fu and his students who, until his untimely death, produced most of the significant papers in this area. One of these papers (syntactic recognition of fingerprints) received the distinction of being selected as the best paper published that year in the IEEE Transaction on Computers. Therefore syntactic pattern recognition has a long history of active research and has been used in industrial applications.
Front Matter....Pages I-XV
A String Correction Method Based on the Context-Dependent Similarity....Pages 3-17
An Error-Correcting Parser for a Context-Free Language Based on the Context-Dependent Similarity....Pages 19-32
Ordered Structural Matching....Pages 33-47
A Parsing Algorithm for Weighted Grammars and Substring Recognition....Pages 51-67
Computing the Minimum Error Distance of Graphs in 0(n 3 ) Time with Precedence Graph Grammars....Pages 69-83
A Unified View on Tree Metrics....Pages 85-100
Problems in Recognition of Drawings....Pages 103-113
Application of Structural Pattern Recognition in Histopathology....Pages 115-135
Applications of Multidimensional Search to Structural Feature Identification....Pages 137-149
Learning From Examples in Sequences and Grammatical Inference....Pages 153-171
An Efficient Algorithm for the Inference of Circuit-Free Automata....Pages 173-184
Voronoi Trees and Clustering Problems....Pages 185-194
Hough-Space Decomposition for Polyhedral Scene Analysis....Pages 197-216
Running Efficiently Arc Consistency....Pages 217-231
Smith: An Efficient Model-Based two Dimensional Shape Matching Technique....Pages 233-247
Training and Model Generation for a Syntactic Curve Network Parser....Pages 249-267
Knowledge-Based Computer Recognition of Speech....Pages 271-290
Computers Viewing Artists at Work....Pages 291-301
Face Recognition From Range Data by Structural Analysis....Pages 303-314
Cryptosystems for Picture Languages....Pages 315-332
Hybrid Approaches....Pages 335-361
An AI-Structural Approach to Edge Detection....Pages 363-377
Building Hierarchies – An Algorithmic Approach....Pages 379-392
Combining Logic Based and Syntactic Techniques: A Powerful Approach....Pages 395-429
A Syntactic Approach to Planning....Pages 431-440
Working Group A: 2D and 3D Image Understanding....Pages 443-446
Working Group B: Waveform and Speech Recognition....Pages 447-451
Working Group C: Hybrid Techniques....Pages 453-456
Working Group D: Models and Inference....Pages 457-457
Panel: Artificial Intelligence Versus Syntactic Techniques: Theoretical and Practical Issues....Pages 461-463
Back Matter....Pages 465-467