نرم افزار: سیستم ها: محاسبات علمی

یادگیری با هسته: ماشین‌های برداری پشتیبانی، منظم‌سازی، بهینه‌سازی و فراتر از آن

Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond

دانلود کتاب Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond (به فارسی: یادگیری با هسته: ماشین‌های برداری پشتیبانی، منظم‌سازی، بهینه‌سازی و فراتر از آن) نوشته شده توسط «Bernhard Schlkopf – Alexander J. Smola»

اطلاعات کتاب یادگیری با هسته: ماشین‌های برداری پشتیبانی، منظم‌سازی، بهینه‌سازی و فراتر از آن

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: The MIT Press

نویسنده: Bernhard Schlkopf – Alexander J. Smola

زبان: english

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

سال انتشار: 2001

تعداد صفحه: 644

حجم فایل: 9.81 مگابایت

کد کتاب: 0262194759 , 9780262194754

نوبت چاپ: 1st

توضیحات کتاب یادگیری با هسته: ماشین‌های برداری پشتیبانی، منظم‌سازی، بهینه‌سازی و فراتر از آن

در دهه 1990، نوع جدیدی از الگوریتم یادگیری بر اساس نتایج تئوری یادگیری آماری توسعه یافت: ماشین بردار پشتیبان (SVM). این موضوع باعث پیدایش کلاس جدیدی از ماشین‌های یادگیری از لحاظ نظری زیبا شد که از مفهوم مرکزی SVMها – هسته‌ها – برای تعدادی از وظایف یادگیری استفاده می‌کنند. ماشین‌های هسته یک چارچوب مدولار ارائه می‌کنند که می‌تواند با انتخاب تابع هسته و الگوریتم پایه برای وظایف و حوزه‌های مختلف تطبیق داده شود. آنها در حال جایگزینی شبکه های عصبی در زمینه های مختلف از جمله مهندسی، بازیابی اطلاعات و بیوانفورماتیک هستند. یادگیری با کرنل ها مقدمه ای بر SVM ها و متدهای هسته مرتبط است. اگرچه کتاب با اصول اولیه شروع می شود، اما شامل آخرین تحقیقات نیز می شود. تمام مفاهیم لازم برای قادر ساختن خواننده مجهز به دانش پایه ریاضی برای ورود به دنیای یادگیری ماشین با استفاده از الگوریتم‌های هسته که از لحاظ نظری کاملاً پایه‌گذاری شده و در عین حال آسان برای استفاده هستند و درک و استفاده از الگوریتم‌های قدرتمندی که بیش از این توسعه یافته‌اند را فراهم می‌کند. چند سال گذشته

In the 1990s, a new type of learning algorithm was developed, based on results from statistical learning theory: the Support Vector Machine (SVM). This gave rise to a new class of theoretically elegant learning machines that use a central concept of SVMs—-kernels–for a number of learning tasks. Kernel machines provide a modular framework that can be adapted to different tasks and domains by the choice of the kernel function and the base algorithm. They are replacing neural networks in a variety of fields, including engineering, information retrieval, and bioinformatics. Learning with Kernels provides an introduction to SVMs and related kernel methods. Although the book begins with the basics, it also includes the latest research. It provides all of the concepts necessary to enable a reader equipped with some basic mathematical knowledge to enter the world of machine learning using theoretically well-founded yet easy-to-use kernel algorithms and to understand and apply the powerful algorithms that have been developed over the last few years.

دانلود کتاب «یادگیری با هسته: ماشین‌های برداری پشتیبانی، منظم‌سازی، بهینه‌سازی و فراتر از آن»

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

دیدگاهتان را بنویسید

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