کتاب الکترونیکی

روش های تقریب برای یادگیری کارآمد شبکه های بیزی

Approximation Methods for Efficient Learning of Bayesian Networks

دانلود کتاب Approximation Methods for Efficient Learning of Bayesian Networks (به فارسی: روش های تقریب برای یادگیری کارآمد شبکه های بیزی) نوشته شده توسط «C. Riggelsen – C. Riggelsen»

اطلاعات کتاب روش های تقریب برای یادگیری کارآمد شبکه های بیزی

موضوع اصلی: تحصیلات

نوع: کتاب الکترونیکی

ناشر: IOS Press

نویسنده: C. Riggelsen – C. Riggelsen

زبان: English

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

سال انتشار: 2008

تعداد صفحه: 148

حجم کتاب: 2 مگابایت

کد کتاب: 1586038214 , 9781586038212

توضیحات کتاب روش های تقریب برای یادگیری کارآمد شبکه های بیزی

این نشریه روش‌های شبیه‌سازی مونت کارلو کارآمد را به منظور تحقق یک رویکرد بیزی برای یادگیری تقریبی شبکه‌های بیزی از داده‌های کامل و ناقص ارائه و بررسی می‌کند. برای مقادیر زیادی از داده‌های ناقص، زمانی که روش‌های مونت کارلو ناکارآمد هستند، تقریب‌هایی اجرا می‌شوند، به گونه‌ای که یادگیری امکان‌پذیر باقی می‌ماند، هرچند غیر بایز. موضوعات مورد بحث عبارتند از؛ مفاهیم اساسی در مورد احتمالات، نظریه گراف و استقلال شرطی. یادگیری شبکه بیزی از داده ها؛ تکنیک های شبیه سازی مونت کارلو؛ و مفهوم داده های ناقص. به منظور ارائه یک برخورد منسجم از مسائل، در نتیجه به خواننده کمک می کند تا درک کاملی از کل مفهوم یادگیری شبکه های بیزی از داده های (ناقص) به دست آورد، این نشریه به روشی روشن کننده همه موضوعات ارائه شده در مقالات را با موارد قبلی ترکیب می کند. اثر منتشر نشده.

IOS Press یک ناشر بین المللی علمی، فنی و پزشکی کتاب های با کیفیت بالا برای دانشگاهیان، دانشمندان و متخصصان در همه زمینه ها است.

برخی از زمینه هایی که ما در این زمینه منتشر می کنیم:

-زیست پزشکی – سرطان شناسی – هوش مصنوعی – پایگاه های داده و سیستم های اطلاعاتی – مهندسی دریایی – فناوری نانو – مهندسی زمین – همه جنبه های فیزیک – حکومت الکترونیکی – تجارت الکترونیک – اقتصاد دانش -مطالعات شهری -کنترل تسلیحات -درک و پاسخ به تروریسم -انفورماتیک پزشکی -علوم کامپیوتر

This publication offers and investigates efficient Monte Carlo simulation methods in order to realize a Bayesian approach to approximate learning of Bayesian networks from both complete and incomplete data. For large amounts of incomplete data when Monte Carlo methods are inefficient, approximations are implemented, such that learning remains feasible, albeit non-Bayesian. Topics discussed are; basic concepts about probabilities, graph theory and conditional independence; Bayesian network learning from data; Monte Carlo simulation techniques; and the concept of incomplete data. In order to provide a coherent treatment of matters, thereby helping the reader to gain a thorough understanding of the whole concept of learning Bayesian networks from (in)complete data, this publication combines in a clarifying way all the issues presented in the papers with previously unpublished work.

IOS Press is an international science, technical and medical publisher of high-quality books for academics, scientists, and professionals in all fields.

Some of the areas we publish in:

-Biomedicine -Oncology -Artificial intelligence -Databases and information systems -Maritime engineering -Nanotechnology -Geoengineering -All aspects of physics -E-governance -E-commerce -The knowledge economy -Urban studies -Arms control -Understanding and responding to terrorism -Medical informatics -Computer Sciences

دانلود کتاب «روش های تقریب برای یادگیری کارآمد شبکه های بیزی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

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