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 Universal Time-Series Forecasting with Mixture Predictors

دانلود کتاب پیش‌بینی سری زمانی جهانی با پیش‌بینی‌کننده‌های مخلوط

Universal Time-Series Forecasting with Mixture Predictors

مشخصات کتاب

Universal Time-Series Forecasting with Mixture Predictors

ویرایش: 1st ed. 
نویسندگان:   
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 

قیمت کتاب (تومان) : 40,000



کلمات کلیدی مربوط به کتاب پیش‌بینی سری زمانی جهانی با پیش‌بینی‌کننده‌های مخلوط: علوم کامپیوتر، نظریه محاسبات، ریاضیات محاسبات



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


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.


توضیحاتی در مورد کتاب پیش‌بینی سری زمانی جهانی با پیش‌بینی‌کننده‌های مخلوط



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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب

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




نظرات کاربران