کتاب الکترونیکی

پل زدن شکاف بین فاصله ویرایش نمودار و ماشین‌های هسته (سری در ادراک ماشین و هوش مصنوعی)

Bridging the Gap Between Graph Edit Distance and Kernel Machines (Series in Machine Perception and Artificial Intelligence)

دانلود کتاب Bridging the Gap Between Graph Edit Distance and Kernel Machines (Series in Machine Perception and Artificial Intelligence) (به فارسی: پل زدن شکاف بین فاصله ویرایش نمودار و ماشین‌های هسته (سری در ادراک ماشین و هوش مصنوعی)) نوشته شده توسط «Michel Neuhaus – Horst Bunke»


اطلاعات کتاب پل زدن شکاف بین فاصله ویرایش نمودار و ماشین‌های هسته (سری در ادراک ماشین و هوش مصنوعی)

موضوع اصلی: فن آوری

نوع: کتاب الکترونیکی

ناشر: World Scientific Publishing Company

نویسنده: Michel Neuhaus – Horst Bunke

زبان: English

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

سال انتشار: 2007

تعداد صفحه: 245

حجم کتاب: 7 مگابایت

کد کتاب: 9812708170 , 9789812708175

توضیحات کتاب پل زدن شکاف بین فاصله ویرایش نمودار و ماشین‌های هسته (سری در ادراک ماشین و هوش مصنوعی)

در تشخیص الگوی ساختاری مبتنی بر نمودار، ایده تبدیل الگوها به نمودارها و انجام تجزیه و تحلیل و شناسایی الگوها در حوزه گراف است – که معمولاً به عنوان تطبیق گراف از آن یاد می‌شود. تعداد زیادی روش برای تطبیق نمودار پیشنهاد شده است. برای مثال فاصله ویرایش گراف، عدم تشابه دو نمودار را با مقدار اعوجاج مورد نیاز برای تبدیل یک نمودار به دیگری تعریف می کند و یکی از انعطاف پذیرترین روش ها برای تطبیق گراف مقاوم در برابر خطا در نظر گرفته می شود. این کتاب بر هسته گراف تمرکز دارد. عملکردهایی که نسبت به خطاهای ساختاری تحمل بالایی دارند. ایده اصلی ترکیب مفاهیم از فاصله ویرایش گراف در توابع هسته است، بنابراین انعطاف پذیری تطبیق گراف مبتنی بر فاصله را با قدرت ماشین های هسته برای تشخیص الگو ترکیب می کند. نویسندگان مجموعه‌ای از هسته‌های گراف جدید مرتبط با فاصله ویرایش را معرفی می‌کنند، از جمله هسته‌های انتشار، هسته‌های کانولوشن، و هسته‌های پیاده‌روی تصادفی. از یک ارزیابی تجربی از یک مجموعه داده ترسیم خط نیمه مصنوعی و چهار مجموعه داده در دنیای واقعی متشکل از تصاویر، تصاویر میکروسکوپی، اثر انگشت و مولکول‌ها، نویسندگان نشان می‌دهند که برخی از عملکردهای هسته در ارتباط با ماشین‌های بردار پشتیبان به طور قابل توجهی بهتر از سنتی هستند. طبقه بندی کننده های نزدیکترین همسایه مبتنی بر فاصله را هم از نظر دقت طبقه بندی و هم از نظر زمان اجرا ویرایش کنید.


In graph-based structural pattern recognition, the idea is to transform patterns into graphs and perform the analysis and recognition of patterns in the graph domain – commonly referred to as graph matching. A large number of methods for graph matching have been proposed. Graph edit distance, for instance, defines the dissimilarity of two graphs by the amount of distortion that is needed to transform one graph into the other and is considered one of the most flexible methods for error-tolerant graph matching.This book focuses on graph kernel functions that are highly tolerant towards structural errors. The basic idea is to incorporate concepts from graph edit distance into kernel functions, thus combining the flexibility of edit distance-based graph matching with the power of kernel machines for pattern recognition. The authors introduce a collection of novel graph kernels related to edit distance, including diffusion kernels, convolution kernels, and random walk kernels. From an experimental evaluation of a semi-artificial line drawing data set and four real-world data sets consisting of pictures, microscopic images, fingerprints, and molecules, the authors demonstrate that some of the kernel functions in conjunction with support vector machines significantly outperform traditional edit distance-based nearest-neighbor classifiers, both in terms of classification accuracy and running time.

دانلود کتاب «پل زدن شکاف بین فاصله ویرایش نمودار و ماشین‌های هسته (سری در ادراک ماشین و هوش مصنوعی)»

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

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.