دانلود کتاب Baysian Nonparametrics via Neural Networks (ASA-SIAM Series on Statistics and Applied Probability) (به فارسی: ناپارامتریک های بیزی از طریق شبکه های عصبی (سری AS-SIAM در آمار و احتمال کاربردی)) نوشته شده توسط «Herbert K. H. Lee»
اطلاعات کتاب ناپارامتریک های بیزی از طریق شبکه های عصبی (سری AS-SIAM در آمار و احتمال کاربردی)
موضوع اصلی: آمار ریاضی
نوع: کتاب الکترونیکی
ناشر: SIAM: Society for Industrial and Applied Mathematics
نویسنده: Herbert K. H. Lee
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2004
تعداد صفحه: 107
حجم کتاب: 11 مگابایت
کد کتاب: 0898715636
توضیحات کتاب ناپارامتریک های بیزی از طریق شبکه های عصبی (سری AS-SIAM در آمار و احتمال کاربردی)
ناپارامتریک های بیزی از طریق شبکه های عصبی اولین کتابی است که بر روی شبکه های عصبی در زمینه رگرسیون و طبقه بندی ناپارامتریک تمرکز کرده است و در پارادایم بیزی کار می کند. هدف آن ابهام زدایی از شبکه های عصبی، قرار دادن آنها در یک زمینه آماری به جای تلقی آنها به عنوان یک جعبه سیاه است. این رویکرد برخلاف کتاب‌های موجود است که تمایل دارند شبکه‌های عصبی را به‌جای یک مدل آماری، به عنوان یک الگوریتم یادگیری ماشینی در نظر بگیرند. هنگامی که این مدل آماری اساسی شناسایی شد، می توان از سایر تکنیک های آماری استاندارد برای بهبود مدل استفاده کرد.
رویکرد بیزی امکان محاسبه بهتر عدم قطعیت را فراهم می کند. این کتاب عدم قطعیت در انتخاب مدل و روش‌های مقابله با این موضوع را پوشش می‌دهد و تعدادی ایده از آمار و یادگیری ماشین را بررسی می‌کند. یک بحث مفصل در مورد انتخاب پیشینهای غیر اطلاعاتی قبلی و جدید، همراه با بررسی ادبیات قابل توجهی گنجانده شده است. ناپارامتری بیزی از طریق شبکه های عصبی که برای آماردانان با استفاده از اصطلاحات آماری نوشته شده است، آماردانان را به درک بیشتری از مدل شبکه عصبی و کاربرد آن در مسائل دنیای واقعی هدایت می کند.
برای نشان دادن مفاهیم اصلی ریاضی، نویسنده از دو مثال در سراسر کتاب استفاده می کند: یکی در مورد آلودگی ازن و دیگری در مورد برنامه های اعتباری. روش نشان‌داده‌شده برای مشکلات رگرسیون و طبقه‌بندی مرتبط است و به دلیل کاربردهای بالقوه گسترده روش‌های توصیف‌شده در کتاب، مورد توجه است.
The Bayesian approach allows better accounting for uncertainty. This book covers uncertainty in model choice and methods to deal with this issue, exploring a number of ideas from statistics and machine learning. A detailed discussion on the choice of prior and new noninformative priors is included, along with a substantial literature review. Written for statisticians using statistical terminology, Bayesian Nonparametrics via Neural Networks will lead statisticians to an increased understanding of the neural network model and its applicability to real-world problems.
To illustrate the major mathematical concepts, the author uses two examples throughout the book: one on ozone pollution and the other on credit applications. The methodology demonstrated is relevant for regression and classification-type problems and is of interest because of the widespread potential applications of the methodologies described in the book.
دانلود کتاب «ناپارامتریک های بیزی از طریق شبکه های عصبی (سری AS-SIAM در آمار و احتمال کاربردی)»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.