دانلود کتاب Support Vector Machines for Pattern Classification
49,000 تومان
ماشینهای بردار پشتیبانی برای طبقهبندی الگوها
| موضوع اصلی | فن آوری |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| تعداد صفحه | 349 |
| حجم فایل | 2 مگابایت |
| کد کتاب | 1852339299 |
| نویسنده | Abe Sh. |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2005 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
ماشینهای بردار پشتیبانی برای طبقهبندی الگوها
ماشینهای بردار پشتیبان (SVM)، در اصل برای مسائل طبقهبندی دو کلاسه فرمولبندی شدند و به عنوان یک ابزار قدرتمند برای توسعه طبقهبندی الگو و سیستمهای تقریب تابع پذیرفته شدهاند. این کتاب با اتخاذ تنها رویکردی که به جای پوشش جنبههای نظری، بر طبقهبندی تمرکز دارد، دیدگاه منحصربهفردی از وضعیت هنر در SVM ارائه میکند. این کتاب ویژگیهای SVMهای دو کلاسه را از طریق تجزیه و تحلیل گستردهشان روشن میکند، معماریهای مفید مختلفی را برای آنها ارائه میکند. طبقه بندی چند کلاسه و مسائل تقریب تابع، و روش های هسته را برای بهبود توانایی تعمیم شبکه های عصبی معمولی و سیستم های فازی مورد بحث قرار می دهد. تصاویر، مثالها و آزمایشهای کامپیوتری فراوانی برای کمک به خوانندگان برای درک ایدههای جدید و مفید بودن آنها گنجانده شده است. این کتاب منبع جامعی برای استفاده از SVM ها در طبقه بندی الگوها ارائه می دهد و برای محققان، توسعه دهندگان و دانشجویان در دانشگاه و صنعت خواندنی ارزشمند خواهد بود.
Support Vector Machines for Pattern Classification
Support vector machines (SVMs), were originally formulated for two-class classification problems, and have been accepted as a powerful tool for developing pattern classification and function approximations systems. This book provides a unique perspective of the state of the art in SVMs by taking the only approach that focuses on classification rather than covering the theoretical aspects.The book clarifies the characteristics of two-class SVMs through their extensive analysis, presents various useful architectures for multiclass classification and function approximation problems, and discusses kernel methods for improving generalization ability of conventional neural networks and fuzzy systems. Ample illustrations, examples and computer experiments are included to help readers understand the new ideas and their usefulness. This book supplies a comprehensive resource for the use of SVMs in pattern classification and will be invaluable reading for researchers, developers & students in academia and industry.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.