دانلود کتاب The EM Algorithm and Extensions

ترجمه فارسی توضیحات (ترجمه ماشینی)

الگوریتم EM و برنامه های افزودنی

تنها منبع تکی——اکنون کاملاً به‌روزرسانی و تجدیدنظر شده——برای ارائه یک درمان یکپارچه از نظریه، روش‌شناسی و کاربردهای الگوریتم EM

کامل با به‌روزرسانی‌هایی که تحولات دهه گذشته را به تصویر می‌کشد، الگوریتم EM و برنامه‌های افزودنی نسخه دوم با توصیف آغاز، اجرا و کاربرد آن در زمینه های آماری متعدد، درک اساسی از الگوریتم EM را با موفقیت ارائه می کند. در ارتباط با مبانی موضوع، نویسندگان مسائل مربوط به همگرایی و محاسبه خطاهای استاندارد را مورد بحث قرار می‌دهند، و علاوه بر این، موازی‌ها و ارتباطات زیادی بین الگوریتم EM و الگوریتم‌های زنجیره مارکوف مونت کارلو را آشکار می‌کنند. بحث‌های کامل در مورد پیچیدگی‌ها و اشکالاتی که از الگوریتم اصلی EM ناشی می‌شوند، مانند همگرایی آهسته و فقدان رویه داخلی برای محاسبه ماتریس کوواریانس تخمین‌های پارامتر، نیز ارائه شده‌اند.

در حالی که فلسفه کلی نسخه اول حفظ شده است، این نسخه جدید به موقع به روز شده، بازبینی و گسترش یافته است تا شامل موارد زیر باشد:

• فصل های جدید در مورد نسخه های مونت کارلو الگوریتم EM و تعمیم الگوریتم EM

• نتایج جدید در مورد همگرایی، از جمله همگرایی الگوریتم EM در فضاهای پارامتری محدود

• بحث گسترده در مورد روش های محاسبه خطای استاندارد، مانند روش هایی برای داده های طبقه بندی شده و روش های مبتنی بر تمایز عددی

• پوشش بازه EM، که تمام نقاط ثابت را در یک منطقه تعیین شده از فضای پارامتر قرار می دهد

• بررسی رابطه الگوریتم EM با نمونه گیبس و سایر روش های مونت کارلو زنجیره مارکوف

• عناصر آموزشی فراوان – مقدمه‌های فصل، فهرست مثال‌ها، شاخص‌های نویسنده و موضوع، گرافیک‌های طراحی‌شده توسط رایانه، و یک وب‌سایت مرتبط

الگوریتم و برنامه های افزودنی EM، ویرایش دوم به عنوان یک متن عالی برای دانشجویان آمار در مقطع تحصیلات تکمیلی عمل می کند و همچنین منبعی جامع برای نظریه پردازان، پزشکان و محققان در علوم اجتماعی و فیزیکی است که مایل به گسترش آن هستند. دانش آنها از الگوریتم EM

The EM Algorithm and Extensions

The only single-source——now completely updated and revised——to offer a unified treatment of the theory, methodology, and applications of the EM algorithm

Complete with updates that capture developments from the past decade, The EM Algorithm and Extensions, Second Edition successfully provides a basic understanding of the EM algorithm by describing its inception, implementation, and applicability in numerous statistical contexts. In conjunction with the fundamentals of the topic, the authors discuss convergence issues and computation of standard errors, and, in addition, unveil many parallels and connections between the EM algorithm and Markov chain Monte Carlo algorithms. Thorough discussions on the complexities and drawbacks that arise from the basic EM algorithm, such as slow convergence and lack of an in-built procedure to compute the covariance matrix of parameter estimates, are also presented.

While the general philosophy of the First Edition has been maintained, this timely new edition has been updated, revised, and expanded to include:

• New chapters on Monte Carlo versions of the EM algorithm and generalizations of the EM algorithm

• New results on convergence, including convergence of the EM algorithm in constrained parameter spaces

• Expanded discussion of standard error computation methods, such as methods for categorical data and methods based on numerical differentiation

• Coverage of the interval EM, which locates all stationary points in a designated region of the parameter space

• Exploration of the EM algorithm’s relationship with the Gibbs sampler and other Markov chain Monte Carlo methods

• Plentiful pedagogical elements—chapter introductions, lists of examples, author and subject indices, computer-drawn graphics, and a related Web site

The EM Algorithm and Extensions, Second Edition serves as an excellent text for graduate-level statistics students and is also a comprehensive resource for theoreticians, practitioners, and researchers in the social and physical sciences who would like to extend their knowledge of the EM algorithm.