ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Topics in Artificial Intelligence (Learning Theory)

دانلود کتاب مباحث هوش مصنوعی (نظریه یادگیری)

Topics in Artificial Intelligence (Learning Theory)

مشخصات کتاب

Topics in Artificial Intelligence (Learning Theory)

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان:   
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 68 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 779 کیلوبایت 

قیمت کتاب (تومان) : 43,000



کلمات کلیدی مربوط به کتاب مباحث هوش مصنوعی (نظریه یادگیری): انفورماتیک و مهندسی کامپیوتر، هوش مصنوعی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Topics in Artificial Intelligence (Learning Theory) 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 مباحث هوش مصنوعی (نظریه یادگیری) 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 مباحث هوش مصنوعی (نظریه یادگیری)

موسسه فناوری تویوتا در شیکاگو.
یادداشت های سخنرانی برای دوره \"موضوعات هوش مصنوعی\"، بهار 2008.
شام کاکاده و آمبوج تواری.
محتوا:
مدل کران اشتباه، الگوریتم نصف کردن، طبقه‌بندی‌کننده‌های خطی
پرسپترون و وینو
برنامه‌نویسی محدب آنلاین و نزول گرادیان
نزول گرادیان نمایی و کاربردهای OCP
بازی، افزایش
AdaBoost
تنظیم احتمالی و به حداقل رساندن ریسک تجربی
تمرکز، ERM، و محدودیت‌های فشرده‌سازی
میانگین‌های Rademacher
لمای کلاس محدود و تابع رشد Massart

بعد شکستن چربی و اعداد پوششی
ترکیب رادماچر و پیش بینی خطی
نکته: فایل pdf واحد از چندین فایل پی دی اف سخنرانی های فردی چسبانده شده است، بنابراین صفحات چاپ شده مطابقت ندارند. از سوی دیگر، نشانک‌هایی اضافه شده است که به شما امکان می‌دهد موضوع مورد علاقه را راحت‌تر از مرور فایل‌های pdf سخنرانی‌های فردی پیدا کنید.

توضیحاتی درمورد کتاب به خارجی

Toyota Technological Institute at Chicago.
The lecture notes for the course "Topics in Artificial Intelligence", spring 2008.
Sham Kakade and Ambuj Tewari.
Contents:
Mistake Bound Model, Halving Algorithm, Linear Classifiers
Perceptron and Winnow
Online Convex Programming and Gradient Descent
Exponentiated Gradient Descent and Applications of OCP
Game Playing, Boosting
AdaBoost
Probabilistic Setup and Empirical Risk Minimization
Concentration, ERM, and Compression Bounds
Rademacher Averages
Massart’s Finite Class Lemma and Growth Function
VC Dimension and Sauer’s Lemma
VC Dimension of Multilayer Neural Networks, Range Queries
Online to Batch Conversions
Exponentiated Stochastic Gradient Descent for L1 Constrained Problems
Covering Numbers
Dudley’s Theorem, Fat Shattering Dimension, Packing Numbers
Fat Shattering Dimension and Covering Numbers
Rademacher Composition and Linear Prediction
Note: The single pdf file is glued from the multiple pdf files of individual lectures, so the printed pages do not match. On the other hand, there are added bookmarks, allowing to find the topic of interest more easily than via browing the pdf files of individual lectures.




نظرات کاربران