دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب The design and analysis of efficient learning algorithms
دانلود کتاب طراحی و تحلیل الگوریتم های یادگیری کارآمد
مشخصات کتاب
The design and analysis of efficient learning algorithms
دسته بندی: آموزشی ویرایش: نویسندگان: Robert E. Schapire سری: ACM doctoral dissertation awards 1991 ISBN (شابک) : 0262193256, 9780585312705 ناشر: MIT Press سال نشر: 1992 تعداد صفحات: 219 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 50,000
در صورت تبدیل فایل کتاب The design and analysis of efficient learning algorithms 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 طراحی و تحلیل الگوریتم های یادگیری کارآمد 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 طراحی و تحلیل الگوریتم های یادگیری کارآمد
رویکردهای ساخت ماشین‌هایی که می‌توانند از تجربه بیاموزند فراوان است - از الگوریتم‌های یادگیری پیوندگرا و الگوریتم‌های ژنتیک گرفته تا مکانیک آماری و یک سیستم یادگیری مبتنی بر نظریه‌های پیاژه در مورد رشد دوران کودکی. این رساله نتایج به دست آمده از چارچوب ریاضی جهت گیری نظریه یادگیری محاسباتی را توصیف می کند. با تمرکز بر طراحی الگوریتم‌های یادگیری کارآمد و عملکرد آنها، پایه و اساس نظری مناسبی برای مطالعه و درک یادگیری ماشین ایجاد می‌کند. از آنجایی که بسیاری از نتایج به مشکل اساسی یادگیری یک مفهوم از روی مثال‌ها مربوط می‌شود، Schapire با معرفی مختصری از مدل Valiant شروع می‌کند، که بسیاری از تحقیقات را در مورد این مشکل ایجاد کرده است. سپس چهار فصل مستقل جنبه های مختلف یادگیری ماشین را در نظر می گیرند. مشارکت آنها شامل یک تکنیک کلی برای بهبود چشمگیر میزان خطای یک الگوریتم یادگیری \"ضعیف\" است که همچنین می تواند برای بهبود کارایی فضای بسیاری از الگوریتم های یادگیری شناخته شده استفاده شود. یک کاوش دقیق از یک روش آماری قدرتمند برای استنتاج کارآمد ساختار انواع خاصی از فرمول‌های بولی از نمونه‌های تصادفی رفتار ورودی-خروجی فرمول. بسط یک مدل استاندارد از یادگیری مفهومی برای انطباق با مفاهیمی که رفتار نامطمئن یا احتمالی از خود نشان می دهند. (شامل انواع ابزارها و تکنیک ها برای طراحی الگوریتم های یادگیری کارآمد در چنین شرایط احتمالی)؛ و توصیفی از الگوریتم‌هایی که می‌تواند توسط یک ربات برای استنتاج \"ساختار\" محیط خود از طریق آزمایش استفاده شود. رابرت ای شاپیر دکترای خود را از موسسه فناوری ماساچوست دریافت کرد. او اکنون عضو گروه تحقیقات اصول هوش مصنوعی در آزمایشگاه AT&T Bell است.
توضیحاتی درمورد کتاب به خارجی
Approaches to building machines that can learn from experience abound - from connectionist learning algorithms and genetic algorithms to statistical mechanics and a learning system based on Piaget's theories of early childhood development. This monograph describes results derived from the mathematically oriented framework of computational learning theory. Focusing on the design of efficient learning algorithms and their performance, it develops a sound, theoretical foundation for studying and understanding machine learning. Since many of the results concern the fundamental problem of learning a concept from examples, Schapire begins with a brief introduction to the Valiant model, which has generated much of the research on this problem. Four self-contained chapters then consider different aspects of machine learning. Their contributions include a general technique for dramatically improving the error rate of a "weak" learning algorithm that can also be used to improve the space efficiency of many known learning algorithms; a detailed exploration of a powerful statistical method for efficiently inferring the structure of certain kinds of Boolean formulas from random examples of the formula's input-output behavior; the extension of a standard model of concept learning to accommodate concepts that exhibit uncertain or probabilistic behavior; (including a variety of tools and techniques for designing efficient learning algorithms in such a probabilistic setting); and a description of algorithms that can be used by a robot to infer the "structure" of its environment through experimentation. Robert E. Schapire received his doctorate from the Massachusetts Institute of Technology. He is now a member of the Artificial Intelligence Principles Research Department at AT&T Bell Laboratories.
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Early Childhood Mathematics Education Research: Learning Trajectories for Young Children
دانلود کتاب Phi-Theory: Phi-Features Across Modules and Interfaces (Oxford Studies in Theoretical Linguistics)
دانلود کتاب Role of Virtual Organizations in Post-Graduate Education in Egypt: The Case of the Regional It Institute
دانلود کتاب Transitional Justice in Eastern Europe and the former Soviet Union: Reckoning with the Communist Past (Basees Routledge Series on Russian and East European Studies)
دانلود کتاب Text, Translation, and Tradition: Studies on the Peshitta and Its Use in the Syriac Tradition Presented to Konrad D. Jenner on the Occasion of His Sixty-Fifth Birthday
دانلود کتاب Making Magic: Religion, Magic, and Science in the Modern World (Aar Reflection and Theory in the Study of Religion Series)
دانلود کتاب Task-Based Language Learning and Teaching with Technology
دانلود کتاب Studying 101: 20 of the Best Study Hacks to Improve Your Memory and Your Grades
دانلود کتاب Ontolinguistics: How Ontological Status Shapes the Linguistic Coding of Concepts (Trends in Linguistics: Studies and Monographs 176)
