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: 1st ed.
نویسندگان: Daniil Ryabko
سری: SpringerBriefs in Computer Science
ISBN (شابک) : 9783030543037, 9783030543044
ناشر: Springer International Publishing;Springer
سال نشر: 2020
تعداد صفحات: 91
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب پیشبینی سری زمانی جهانی با پیشبینیکنندههای مخلوط: علوم کامپیوتر، نظریه محاسبات، ریاضیات محاسبات
در صورت تبدیل فایل کتاب Universal Time-Series Forecasting with Mixture Predictors 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 پیشبینی سری زمانی جهانی با پیشبینیکنندههای مخلوط 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.
نویسنده مشکل پیشبینی احتمال متوالی را در کلیترین حالت در نظر میگیرد، جایی که دادههای مشاهده شده ممکن است شکل دلخواه از وابستگی تصادفی را نشان دهند. همه نتایج ارائه شده نظری هستند، اما به مبانی برخی از مشکلات در زمینه های کاربردی مانند یادگیری ماشین، نظریه اطلاعات و فشرده سازی داده ها مربوط می شوند.
The author considers the problem of sequential probability forecasting in the most general setting, where the observed data may exhibit an arbitrary form of stochastic dependence. All the results presented are theoretical, but they concern the foundations of some problems in such applied areas as machine learning, information theory and data compression.
Front Matter ....Pages i-viii
Introduction (Daniil Ryabko)....Pages 1-10
Notation and Definitions (Daniil Ryabko)....Pages 11-16
Prediction in Total Variation: Characterizations (Daniil Ryabko)....Pages 17-22
Prediction in KL Divergence (Daniil Ryabko)....Pages 23-51
Decision-Theoretic Interpretations (Daniil Ryabko)....Pages 53-56
Middle-Case: Combining Predictors Whose Loss Vanishes (Daniil Ryabko)....Pages 57-65
Conditions Under Which One Measure Is a Predictor for Another (Daniil Ryabko)....Pages 67-76
Conclusion and Outlook (Daniil Ryabko)....Pages 77-82
Back Matter ....Pages 83-85