دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Unsupervised Signal Processing: Channel Equalization and Source Separation
دانلود کتاب پردازش سیگنال بدون نظارت: یکسان سازی کانال و جداسازی منبع
مشخصات کتاب
Unsupervised Signal Processing: Channel Equalization and Source Separation
ویرایش: 1 نویسندگان: João M. T. Romano, Romis de F. Attux, Charles C. Cavalcante, Ricardo Suyama سری: ISBN (شابک) : 0849337518, 9780849337512 ناشر: CRC Press سال نشر: 2010 تعداد صفحات: 325 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 47,000
در صورت تبدیل فایل کتاب Unsupervised Signal Processing: Channel Equalization and Source Separation 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 پردازش سیگنال بدون نظارت: یکسان سازی کانال و جداسازی منبع 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 پردازش سیگنال بدون نظارت: یکسان سازی کانال و جداسازی منبع
پردازش سیگنال بدون نظارت: یکسان سازی کانال و جداسازی منبع ارائه یکپارچه، سیستماتیک و ترکیبی از تئوری پردازش سیگنال بدون نظارت است. این کتاب با حفظ تمرکز بر روی یک رویکرد پردازش سیگنال محور، توضیح می دهد که چگونه موضوع تکامل یافته است و دامنه وسیع تری را در بر می گیرد که چندین موضوع را در بر می گیرد، از روش های تساوی کور و جداسازی منبع به خوبی تثبیت شده تا رویکردهای جدید مبتنی بر یادگیری ماشینی و زیستی. الگوریتم های الهام گرفته شده از مبانی پردازش سیگنال آماری و تطبیقی، نویسندگان ابزارهای نوظهور مانند راه‌حل‌های مبتنی بر یادگیری ماشین و روش‌های الهام‌گرفته از زیستی را بررسی و به تفصیل می‌پردازند. این کتاب با نگاهی تازه به این حوزه مهیج مطالعه: پیشینه ای محکم در مورد خصوصیات آماری سیگنال ها و سیستم ها و نظریه فیلتر خطی ارائه می دهد. مسائل کلیدی در مورد راه حل های تعادل و روابط هم ارزی در زمینه معیارهای یکسان سازی بدون نظارت، ارائه سیستماتیک جداسازی منبع و تجزیه و تحلیل اجزای مستقل را ارائه می دهد. این کتاب با تکیه بر بیش از یک دهه کار نویسندگان در آزمایشگاه DSPCom، یک رویکرد مفهومی تازه و فرمالیسم ریاضی را برای موضوعات مهم موجود اعمال می کند. نتیجه شاید اولین ارائه یکپارچه از تکنیک های پردازش سیگنال بدون نظارت باشد – که به حوزه هایی از جمله فیلترهای دیجیتال، روش های تطبیقی و پردازش سیگنال آماری می پردازد. این کتاب با ترکیب قابل توجه خود از این زمینه، چشم اندازی جدید برای تحریک پیشرفت و کمک به ظهور سیستم های هوشمند مفیدتر، کارآمدتر و دوستانه ارائه می دهد.
توضیحاتی درمورد کتاب به خارجی
Unsupervised Signal Processing: Channel Equalization and Source Separation provides a unified, systematic, and synthetic presentation of the theory of unsupervised signal processing. Always maintaining the focus on a signal processing-oriented approach, this book describes how the subject has evolved and assumed a wider scope that covers several topics, from well-established blind equalization and source separation methods to novel approaches based on machine learning and bio-inspired algorithms. From the foundations of statistical and adaptive signal processing, the authors explore and elaborate on emerging tools, such as machine learning-based solutions and bio-inspired methods. With a fresh take on this exciting area of study, this book: Provides a solid background on the statistical characterization of signals and systems and on linear filtering theory Emphasizes the link between supervised and unsupervised processing from the perspective of linear prediction and constrained filtering theory Addresses key issues concerning equilibrium solutions and equivalence relationships in the context of unsupervised equalization criteria Provides a systematic presentation of source separation and independent component analysis Discusses some instigating connections between the filtering problem and computational intelligence approaches. Building on more than a decade of the authors’ work at DSPCom laboratory, this book applies a fresh conceptual treatment and mathematical formalism to important existing topics. The result is perhaps the first unified presentation of unsupervised signal processing techniques—one that addresses areas including digital filters, adaptive methods, and statistical signal processing. With its remarkable synthesis of the field, this book provides a new vision to stimulate progress and contribute to the advent of more useful, efficient, and friendly intelligent systems.
