دانلود کتاب Kernel methods in bioengineering, signal and image processing

ترجمه فارسی توضیحات (ترجمه ماشینی)

روش های هسته در مهندسی زیستی، پردازش سیگنال و تصویر

در دهه گذشته، تعدادی از روش‌های یادگیری قدرتمند مبتنی بر هسته در جامعه یادگیری ماشین پیشنهاد شده است: ماشین‌های بردار پشتیبان (SVMs)، تجزیه و تحلیل تفکیک کننده هسته فیشر (KFD)، PCA/ICA هسته، اطلاعات متقابل هسته، هسته k- معنی، و هسته ARMA. کاربردهای موفقیت آمیز این الگوریتم ها در بسیاری از زمینه ها مانند پزشکی، مهندسی زیستی، ارتباطات، پردازش صدا و تصویر و زیست شناسی محاسباتی و بیوانفورماتیک گزارش شده است. روش‌های هسته در مهندسی زیستی، پردازش سیگنال و تصویر، کاربردهای دنیای واقعی مانند زیست‌شناسی محاسباتی، طبقه‌بندی متن، پیش‌بینی سری‌های زمانی، درونیابی، شناسایی سیستم، تشخیص گفتار، حذف نویز، کدگذاری تصویر، طبقه‌بندی و تقسیم‌بندی را پوشش می‌دهد. روش‌های هسته در مهندسی زیستی، پردازش سیگنال و تصویر، حوزه وسیعی از روش‌های هسته را از یک رویکرد چند رشته‌ای با ارائه فصل‌هایی که به انطباق و استفاده از روش‌های هسته در حوزه‌های انتخابی مهندسی زیستی، پردازش سیگنال و ارتباطات، و پردازش تصویر اختصاص داده شده است، در بر می‌گیرد.

Kernel methods in bioengineering, signal and image processing

In the last decade, a number of powerful kernel-based learning methods have been proposed in the machine learning community: support vector machines (SVMs), kernel fisher discriminant (KFD) analysis, kernel PCA/ICA, kernel mutual information, kernel k-means, and kernel ARMA. Successful applications of these algorithms have been reported in many fields, such as medicine, bioengineering, communications, audio and image processing, and computational biology and bioinformatics. Kernel Methods in Bioengineering, Signal and Image Processing covers real-world applications, such as computational biology, text categorization, time series prediction, interpolation, system identification, speech recognition, image de-noising, image coding, classification, and segmentation. Kernel Methods in Bioengineering, Signal and Image Processing encompasses the vast field of kernel methods from a multidisciplinary approach by presenting chapters dedicated to adaptation and use of kernel methods in the selected areas of bioengineering, signal processing and communications, and image processing.