دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Variational Bayesian Learning Theory
دانلود کتاب نظریه یادگیری بیزی متنوع
مشخصات کتاب
Variational Bayesian Learning Theory
ویرایش: نویسندگان: Shinichi Nakajima, Kazuho Watanabe, Masashi Sugiyama سری: ISBN (شابک) : 1107076153, 9781107076150 ناشر: Cambridge University Press سال نشر: 2019 تعداد صفحات: 560 [561] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 Mb
قیمت کتاب (تومان) : 41,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Variational Bayesian 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 نظریه یادگیری بیزی متنوع 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 نظریه یادگیری بیزی متنوع
یادگیری بیزی متغیر یکی از محبوب ترین روش ها در یادگیری ماشین است. این کتاب که برای محققان و دانشجویان فارغ التحصیل در یادگیری ماشین طراحی شده است، تحولات اخیر در نظریه غیر مجانبی و مجانبی یادگیری متغیر بیزی را خلاصه می کند و نشان می دهد که چگونه می توان این نظریه را در عمل به کار برد. نویسندگان با توسعه یک چارچوب اساسی با تمرکز بر مزدوج شروع می کنند، که خواننده را قادر می سازد الگوریتم های قابل حمل را استخراج کند. در مرحله بعد، نظریه غیر مجانبی را خلاصه می‌کند، که اگرچه در کاربرد به مدل‌های دوخطی محدود است، اما دقیقاً رفتار راه‌حل بیزی متغیر را توصیف می‌کند و مکانیسم القای پراکندگی آن را نشان می‌دهد. در نهایت، متن نظریه مجانبی را خلاصه می‌کند، که پدیده‌های انتقال فاز را بسته به تنظیمات قبلی نشان می‌دهد، بنابراین پیشنهادهایی در مورد نحوه تنظیم فراپارامترها برای اهداف خاص ارائه می‌دهد. مشتقات دقیق به خوانندگان این امکان را می دهد که بدون دانش قبلی از تکنیک های ریاضی خاص برای یادگیری بیزی دنبال کنند.
توضیحاتی درمورد کتاب به خارجی
Variational Bayesian learning is one of the most popular methods in machine learning. Designed for researchers and graduate students in machine learning, this book summarizes recent developments in the non-asymptotic and asymptotic theory of variational Bayesian learning and suggests how this theory can be applied in practice. The authors begin by developing a basic framework with a focus on conjugacy, which enables the reader to derive tractable algorithms. Next, it summarizes non-asymptotic theory, which, although limited in application to bilinear models, precisely describes the behavior of the variational Bayesian solution and reveals its sparsity inducing mechanism. Finally, the text summarizes asymptotic theory, which reveals phase transition phenomena depending on the prior setting, thus providing suggestions on how to set hyperparameters for particular purposes. Detailed derivations allow readers to follow along without prior knowledge of the mathematical techniques specific to Bayesian learning.
فهرست مطالب
Bayesian Learning ..............3
Variational Bayesian Learning ..............39
VB Algorithm for Multilinear Models ..............63
VB Algorithm for Latent Variable Models ..............103
VB Algorithm under No Conjugacy ..............132
Global VB Solution of Fully Observed Matrix Factorization ..............149
ModelInduced Regularization and Sparsity Inducing ..............184
Performance Analysis of VB Matrix Factorization ..............205
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Scoliosis - A Medical Dictionary, Bibliography, and Annotated Research Guide to Internet References
دانلود کتاب A Fleet Street in Every Town: The Provincial Press in England, 1855-1900
دانلود کتاب Introduction to Fire Safety Management: The handbook for students on NEBOSH and other fire safety courses
دانلود کتاب Higher Education and Disaster Capitalism in the Age of COVID-19
