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: نویسندگان: Ruslan L. Stratonovich [Roman V. Belavkin, Panos M. Pardalos, Jose C. Principe (Editors)] سری: ISBN (شابک) : 3030228320, 9783030228330 ناشر: Springer سال نشر: 2020 [1975] تعداد صفحات: 431 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Theory Of Information And Its Value 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 نظریه اطلاعات و ارزش آن 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.
این نسخه انگلیسی نظریه اطلاعات Ruslan L. Stratonovich (1975) مبتنی بر نظریه است و روشها، تکنیکها و مفاهیمی را برای استفاده از کاربردهای حیاتی ارائه میکند. با متحد کردن نظریه های اطلاعات، بهینه سازی و فیزیک آماری، ارزش نظریه اطلاعات در علم داده، یادگیری ماشین و هوش مصنوعی به رسمیت شناخته شده است. با ظهور اقتصاد مبتنی بر داده، پیشرفت در یادگیری ماشین، الگوریتمهای هوش مصنوعی و افزایش منابع محاسباتی، نیاز به درک اطلاعات ضروری است. این کتاب امروز حتی بیشتر از زمانی که برای اولین بار در سال 1975 منتشر شد، مرتبط است. این کتاب کار کلاسیک R.L. Stratonovich، یکی از توسعه دهندگان اصلی نسخه متقارن حساب تصادفی و نظریه فیلتر را برای نام بردن تنها دو موضوع گسترش می دهد. هر فصل با ایده های اساسی و اساسی شروع می شود که با مثال های واضح پشتیبانی می شود. سپس مواد به جزئیات و عمق زیاد پیشرفت می کنند. خواننده ملزم به آشنایی با مطالب سخت تر و خاص تر نیست. در عوض، گنجینه نمونه هایی از فرآیندها و مسائل تصادفی، این کتاب را برای خوانندگان گسترده ای از محققان، فارغ التحصیلان و دانشجویان کارشناسی ریاضی، مهندسی، فیزیک و علوم کامپیوتر که در تئوری اطلاعات، تجزیه و تحلیل داده ها یا یادگیری ماشین تخصص دارند، در دسترس قرار می دهد. .
This English version of Ruslan L. Stratonovich’s Theory of Information (1975) builds on theory and provides methods, techniques, and concepts toward utilizing critical applications. Unifying theories of information, optimization, and statistical physics, the value of information theory has gained recognition in data science, machine learning, and artificial intelligence. With the emergence of a data-driven economy, progress in machine learning, artificial intelligence algorithms, and increased computational resources, the need for comprehending information is essential. This book is even more relevant today than when it was first published in 1975. It extends the classic work of R.L. Stratonovich, one of the original developers of the symmetrized version of stochastic calculus and filtering theory, to name just two topics. Each chapter begins with basic, fundamental ideas, supported by clear examples; the material then advances to great detail and depth. The reader is not required to be familiar with the more difficult and specific material. Rather, the treasure trove of examples of stochastic processes and problems makes this book accessible to a wide readership of researchers, postgraduates, and undergraduate students in mathematics, engineering, physics and computer science who are specializing in information theory, data analysis, or machine learning.