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: آمار ریاضی ویرایش: نویسندگان: Michiko Watanabe. Kazunori Yamaguchi سری: ISBN (شابک) : 9780824747015, 0824747011 ناشر: CRC Press سال نشر: 2003 تعداد صفحات: 214 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب الگوریتم EM و مدل های آماری مرتبط (آمار: مجموعه ای از کتاب های درسی و تک نگاری ها): ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب The EM Algorithm and Related Statistical Models (Statistics: a Series of Textbooks and Monographs) 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 الگوریتم EM و مدل های آماری مرتبط (آمار: مجموعه ای از کتاب های درسی و تک نگاری ها) 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.
با بررسی کاربرد و فرمولبندی الگوریتم EM، الگوریتم EM و مدلهای آماری مرتبط روش ارزشمندی برای ساخت مدلهای آماری زمانی که فقط اطلاعات ناقص در دسترس است، ارائه میدهد و الگوریتمهای تخمین خاصی را برای راهحلهای مشکلات دادههای ناقص پیشنهاد میکند. این متن موضوعات جاری از جمله مدلهای آماری با متغیرهای پنهان، و همچنین مدلهای شبکه عصبی و روشهای مونت کارلو زنجیره مارکوف را پوشش میدهد. این منابع نرم افزاری با ارزش برای پردازش الگوریتم EM با داده های ناقص و برای تجزیه و تحلیل کلی مدل های ساختار پنهان داده های طبقه بندی شده را توصیف می کند و نسخه های تسریع شده الگوریتم EM را مطالعه می کند.
Exploring the application and formulation of the EM algorithm, The EM Algorithm and Related Statistical Models offers a valuable method for constructing statistical models when only incomplete information is available, and proposes specific estimation algorithms for solutions to incomplete data problems. The text covers current topics including statistical models with latent variables, as well as neural network models, and Markov Chain Monte Carlo methods. It describes software resources valuable for the processing of the EM algorithm with incomplete data and for general analysis of latent structure models of categorical data, and studies accelerated versions of the EM algorithm.
Preface......Page 10
Contents......Page 12
Contributors......Page 16
Incomplete Data and the Generation Mechanisms......Page 18
Incomplete Data and the EM Algorithm......Page 26
Statistical Models and the EM Algorithm......Page 38
Robust Model and the EM Algorithm......Page 54
Latent Structure Model and the EM Algorithm......Page 82
Extensions of the EM Algorithm......Page 88
Convergence Speed and Acceleration of the EM Algorithm......Page 102
EM Algorithm in Neural Network Learning......Page 112
Markov Chain Monte Carlo......Page 144
Appendix A: SOLASTM 3.0 for Missing Data Analysis......Page 176
Appendix B: l EM......Page 206
Index......Page 212