کامپیوترها

پیشرفت در حداقل طول توضیحات: تئوری و کاربردها

Advances in minimum description length: Theory and applications

دانلود کتاب Advances in minimum description length: Theory and applications (به فارسی: پیشرفت در حداقل طول توضیحات: تئوری و کاربردها) نوشته شده توسط «Peter D. Grunwald – In Jae Myung – Mark A. Pitt»

اطلاعات کتاب پیشرفت در حداقل طول توضیحات: تئوری و کاربردها

موضوع اصلی: کامپیوترها

نوع: کتاب الکترونیکی

ناشر: The MIT Press

نویسنده: Peter D. Grunwald – In Jae Myung – Mark A. Pitt

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2005

تعداد صفحه: 455

حجم کتاب: 5 مگابایت

کد کتاب: 0262072629 , 9780262072625 , 9781423729440

نوبت چاپ: illustrated edition

توضیحات کتاب پیشرفت در حداقل طول توضیحات: تئوری و کاربردها

فرآیند استنتاج استقرایی – برای استنتاج قوانین و اصول کلی از نمونه‌های خاص – اساس مدل‌سازی آماری، تشخیص الگو و یادگیری ماشین است. اصل حداقل طول توصیفی (MDL)، یک روش قدرتمند برای استنتاج استقرایی، معتقد است که بهترین توضیح، با توجه به مجموعه محدودی از داده‌های مشاهده‌شده، توضیحی است که بیشترین فشرده‌سازی داده‌ها را ممکن می‌سازد – که هر چه بیشتر بتوانیم آن‌ها را فشرده کنیم. داده ها، بیشتر در مورد نظم های زیربنایی داده ها می آموزیم. Advances in Minimum Description Length کتاب منبعی است که جامعه علمی را با مبانی MDL، پیشرفت های نظری اخیر و کاربردهای عملی آشنا می کند. این کتاب با یک آموزش گسترده در مورد MDL آغاز می شود که زیربنای نظری، مفاهیم عملی و همچنین تفاسیر مختلف آن و فلسفه زیربنایی آن را پوشش می دهد. این آموزش شامل تاریخچه مختصری از MDL است – از ریشه های آن در مفهوم پیچیدگی Kolmogorov تا شروع MDL مناسب. سپس این کتاب پیشرفت‌های نظری اخیر را ارائه می‌کند و روش‌های مدرن MDL را به گونه‌ای معرفی می‌کند که برای خوانندگان بسیاری از زمینه‌های علمی مختلف قابل دسترسی باشد. این کتاب با مثال هایی از نحوه به کارگیری MDL در محیط های تحقیقاتی که از بیوانفورماتیک و یادگیری ماشین تا روانشناسی را شامل می شود، به پایان می رسد.

The process of inductive inference—to infer general laws and principles from particular instances—is the basis of statistical modeling, pattern recognition, and machine learning. The Minimum Descriptive Length (MDL) principle, a powerful method of inductive inference, holds that the best explanation, given a limited set of observed data, is the one that permits the greatest compression of the data—that the more we are able to compress the data, the more we learn about the regularities underlying the data. Advances in Minimum Description Length is a sourcebook that will introduce the scientific community to the foundations of MDL, recent theoretical advances, and practical applications. The book begins with an extensive tutorial on MDL, covering its theoretical underpinnings, practical implications as well as its various interpretations, and its underlying philosophy. The tutorial includes a brief history of MDL—from its roots in the notion of Kolmogorov complexity to the beginning of MDL proper. The book then presents recent theoretical advances, introducing modern MDL methods in a way that is accessible to readers from many different scientific fields. The book concludes with examples of how to apply MDL in research settings that range from bioinformatics and machine learning to psychology.

دانلود کتاب «پیشرفت در حداقل طول توضیحات: تئوری و کاربردها»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان