کتاب الکترونیکی

بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل

Statistical Optimization for Geometric Computation: Theory and Practice

دانلود کتاب Statistical Optimization for Geometric Computation: Theory and Practice (به فارسی: بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل) نوشته شده توسط «Kenichi Kanatani (Eds.)»


اطلاعات کتاب بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل

موضوع اصلی: ریاضیات محاسباتی

نوع: کتاب الکترونیکی

ناشر: Elsevier

نویسنده: Kenichi Kanatani (Eds.)

زبان: English

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

سال انتشار: 1996

تعداد صفحه: 1-509

حجم کتاب: 4 مگابایت

کد کتاب: 0444824278 , 9780444824271

توضیحات کتاب بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل

این کتاب مبانی ریاضی استنتاج آماری را برای ساخت یک مدل سه بعدی از محیط از روی داده‌های تصویر و حسگر که حاوی نویز هستند، مورد بحث قرار می‌دهد – وظیفه اصلی ربات‌های مستقل که توسط دوربین‌های ویدئویی و حسگرها هدایت می‌شوند. یک مرز دقت نظری برای روش بهینه‌سازی برای به حداکثر رساندن قابلیت اطمینان تخمین بر اساس داده‌های پر سر و صدا به دست می‌آید و طرح‌های محاسباتی عملی که به آن حد می‌رسند مشتق می‌شوند. بسیاری از نمونه‌های داده مصنوعی و واقعی ارائه می‌شوند تا نشان دهند که روش‌های مرسوم بهینه نیستند و در صورت استفاده از روش‌های واقعاً بهینه، چگونه دقت بهبود می‌یابد.


This book discusses mathematical foundations of statistical inference for building a 3-D model of the environment from image and sensor data that contain noise – a central task for autonomous robots guided by video cameras and sensors. A theoretical accuracy bound is derived for the optimization procedure for maximizing the reliability of the estimation based on noisy data, and practical computational schemes that attain that bound are derived. Many synthetic and real data examples are given to demonstrate that conventional methods are not optimal and how accuracy improves if truly optimal methods are employed.

دانلود کتاب «بهینه سازی آماری برای محاسبات هندسی: تئوری و عمل»

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