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: Michail I. Schlesinger, Václav Hlaváč (auth.) سری: Computational Imaging and Vision 24 ISBN (شابک) : 9789048160273, 9789401732178 ناشر: Springer Netherlands سال نشر: 2002 تعداد صفحات: 531 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 ده سخنرانی در مورد شناخت الگوی آماری و ساختاری: کاربردهای سیستم های اطلاعاتی (شامل اینترنت)، هوش مصنوعی (شامل رباتیک)، آمار، دستکاری نمادین و جبری
در صورت تبدیل فایل کتاب Ten Lectures on Statistical 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 ده سخنرانی در مورد شناخت الگوی آماری 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.
پیشگفتار نسخه انگلیسی این تک نگاری Ten Lectur,es on Statistical and Structural Pattern Recognition رابطه نزدیک بین مشکلات مختلف تشخیص الگوی شناخته شده را که تاکنون مستقل در نظر گرفته شده اند را آشکار می کند. این روابط زمانی آشکار شد که رویههای رسمی نه تنها به مشکلات شناختهشده بلکه تعمیمهای آنها نیز کشف شد. فرمول های مسئله تعمیم یافته به صورت ریاضی تجزیه و تحلیل شد و الگوریتم های یکپارچه پیدا شد. این کتاب دو جریان اصلی تشخیص الگوی نامطلوب را یکی می کند - جریان های آماری ساختاری. علاوه بر این پل زدن در بالاترین سطح، این کتاب چندین رابطه غیرمنتظره دیگر را در روش های آماری و ساختاری ذکر می کند. این مونوگراف برای متخصصان، دانش آموزان و همچنین برای کسانی که می خواهند وارد حوزه تشخیص الگو شوند در نظر گرفته شده است. این نظریه از ابتدا و تقریباً بدون هیچ فرضی در مورد دانش قبلی خواننده ساخته شده است. حتی زمانی که از زبان ریاضی دقیق استفاده میشود، ما تلاش میکنیم تا متن را به راحتی درک کنیم. این رویکرد باعث می شود که این کتاب برای دانش آموزان در ابتدای کار علمی مناسب باشد. بلوکهای ساختمانی اساسی به سبک تمرین فکری قابل دسترس توضیح داده میشوند، بنابراین تمرین خوب در خواندن متن ریاضی را ترویج میکنند. پارادوکسها، زیبایی و مشکلات تحقیقات علمی بر روی نمونههایی از تشخیص الگو نشان داده شدهاند. هر سخنرانی با بحث با یک دانشجوی کنجکاو اصلاح میشود که توضیح را توضیح میدهد و عمیقتر میکند، و اشارههای بیشتری به رویههای محاسباتی و خطاهای ریشهدار ارائه میدهد.
Preface to the English edition This monograph Ten Lectur,es on Statistical and Structural Pattern Recognition uncovers the close relationship between various well known pattern recognition problems that have so far been considered independent. These relationships became apparent when formal procedures addressing not only known prob lems but also their generalisations were discovered. The generalised problem formulations were analysed mathematically and unified algorithms were found. The book unifies of two main streams ill pattern recognition-the statisti cal a11d structural ones. In addition to this bridging on the uppermost level, the book mentions several other unexpected relations within statistical and structural methods. The monograph is intended for experts, for students, as well as for those who want to enter the field of pattern recognition. The theory is built up from scratch with almost no assumptions about any prior knowledge of the reader. Even when rigorous mathematical language is used we make an effort to keep the text easy to comprehend. This approach makes the book suitable for students at the beginning of their scientific career. Basic building blocks are explained in a style of an accessible intellectual exercise, thus promoting good practice in reading mathematical text. The paradoxes, beauty, and pitfalls of scientific research are shown on examples from pattern recognition. Each lecture is amended by a discussion with an inquisitive student that elucidates and deepens the explanation, providing additional pointers to computational procedures and deep rooted errors.
Front Matter....Pages i-xix
Bayesian statistical decision making....Pages 1-23
Non-Bayesian statistical decision making....Pages 25-71
Two statistical models of the recognised object....Pages 73-99
Learning in pattern recognition....Pages 101-136
Linear discriminant function....Pages 137-214
Unsupervised learning....Pages 215-274
Mutual relationship of statistical and structural recognition....Pages 275-305
Recognition of Markovian sequences....Pages 307-395
Regular languages and corresponding pattern recognition tasks....Pages 397-477
Context-free languages, their two-dimensional generalisation, related tasks....Pages 479-505
Back Matter....Pages 507-522