تخمین خطا برای تشخیص الگو ۲۰۱۵
Error Estimation for Pattern Recognition 2015

دانلود کتاب تخمین خطا برای تشخیص الگو ۲۰۱۵ (Error Estimation for Pattern Recognition 2015) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Ulisses M. Braga Neto, Edward R. Dougherty

voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2015

زبان

English

تعداد صفحه‌ها

336

نوع فایل

pdf

حجم

10.3MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب تخمین خطا برای تشخیص الگو ۲۰۱۵

این کتاب، نخستین اثر در نوع خود است که به بحث دربارهٔ تخمین خطا با رویکردی مبتنی بر مدل می‌پردازد. این اثر، از مبانی دسته‌بندی‌کننده‌ها و تخمین‌گرهای خطا تا نظریه‌های توزیعی و بیزی، مباحث مهم و مسائل اساسی مرتبط با اعتبار علمی دسته‌بندی الگو را پوشش می‌دهد.

«تخمین خطا برای تشخیص الگو» بر تخمین خطا تمرکز دارد؛ موضوعی گسترده و کم‌تر درک‌شده که تمام حوزه‌های تحقیقاتیِ استفاده‌کننده از دسته‌بندی الگو را در بر می‌گیرد. این کتاب شامل رویکردهای مبتنی بر مدل و بحث‌هایی دربارهٔ تخمین‌گرهای جدیدتر خطا، مانند تخمین‌گرهای تقویت‌شده و بیزی است. انگیزهٔ نگارش این کتاب، کاربرد تشخیص الگو در داده‌های با توان عملیاتی بالا و تکرارهای محدود بود که اکنون به مسئله‌ای اساسی در بسیاری از حوزه‌ها تبدیل شده است. دو فصل نخست، مسائل اساسی در تخمین خطای دسته‌بندی، از جمله تعاریف، تخمین خطای مجموعهٔ آزمون و تخمین خطای مجموعهٔ آموزش را پوشش می‌دهند. فصل‌های باقی‌ماندهٔ کتاب، نتایجی را در مورد عملکرد و بازنمایی تخمین‌گرهای خطای مجموعهٔ آموزش برای دسته‌بندی‌کننده‌های مختلف الگو ارائه می‌کنند.

از ویژگی‌های دیگر کتاب می‌توان به موارد زیر اشاره کرد:

• آخرین نتایج در مورد دقت تخمین خطا
• تحلیل عملکرد تخمین‌گرهای خطای جایگذاری مجدد، اعتبارسنجی متقابل و بوت‌استرپ با استفاده از رویکردهای تحلیلی و شبیه‌سازی
• تمرین‌های تعاملی رایانه‌محور و مسائل انتهای فصل

این نخستین کتابی است که منحصراً به تخمین خطا برای تشخیص الگو اختصاص یافته است.

اولیسس ام. براگا نتو دانشیار گروه مهندسی برق و کامپیوتر در دانشگاه تگزاس A&M، ایالات متحده آمریکا است. وی مدرک دکترای خود را در مهندسی برق و کامپیوتر از دانشگاه جانز هاپکینز دریافت کرده است. دکتر براگا نتو به دلیل فعالیت در زمینه تخمین خطا برای تشخیص الگو با کاربرد در پردازش سیگنال ژنومی، جایزه NSF CAREER را دریافت کرده است. او عضو ارشد IEEE است.

ادوارد آر. داگرتی استاد ممتاز، رئیس کرسی رابرت اف. کندی 26 و مدیر علمی مرکز بیوانفورماتیک و مهندسی سیستم‌های ژنومی در دانشگاه تگزاس A&M، ایالات متحده آمریکا است. او عضو انجمن‌های IEEE و SPIE است و جایزه روسای SPIE را دریافت کرده است. دکتر داگرتی نویسندهٔ چندین کتاب از جمله «معرفت‌شناسی سلول: دیدگاهی سیستمی به دانش زیستی» و «فرایندهای تصادفی برای پردازش تصویر و سیگنال» (انتشارات وایلی-IEEE) است.


فهرست کتاب:

۱. روی جلد

۲. انتشارات IEEE

۳. صفحه عنوان

۴. حق چاپ

۵. تقدیم

۶. پیشگفتار

۷. تقدیر و تشکر

۸. فهرست علائم

۹. فصل ۱ طبقه بندی

۱۰. فصل ۲ تخمین خطا

۱۱. فصل ۳ تحلیل عملکرد

۱۲. فصل ۴ تخمین خطا برای طبقه بندی گسسته

۱۳. فصل ۵ نظریه توزیع

۱۴. فصل ۶ نظریه توزیع گاوسی: حالت تک متغیره

۱۵. فصل ۷ نظریه توزیع گاوسی: حالت چند متغیره

۱۶. فصل ۸ تخمین خطای بیزی MMSE

۱۷. پیوست الف: مروری بر مبانی احتمال

۱۸. پیوست ب: نظریه Vapnik-Chervonenkis

۱۹. پیوست ج: مجانب دوگانه

۲۰. کتابنامه

۲۱. نمایه نام نویسندگان

۲۲. نمایه موضوعی

۲۳. توافقنامه مجوز کاربر نهایی (EULA)

توضیحات(انگلیسی)

This book is the first of its kind to discuss error estimation with a model-based approach. From the basics of classifiers and error estimators to distributional and Bayesian theory, it covers important topics and essential issues pertaining to the scientific validity of pattern classification.

Error Estimation for Pattern Recognition focuses on error estimation, which is a broad and poorly understood topic that reaches all research areas using pattern classification. It includes model-based approaches and discussions of newer error estimators such as bolstered and Bayesian estimators. This book was motivated by the application of pattern recognition to high-throughput data with limited replicates, which is a basic problem now appearing in many areas. The first two chapters cover basic issues in classification error estimation, such as definitions, test-set error estimation, and training-set error estimation. The remaining chapters in this book cover results on the performance and representation of training-set error estimators for various pattern classifiers.

Additional features of the book include:

• The latest results on the accuracy of error estimation
• Performance analysis of re-substitution, cross-validation, and bootstrap error estimators using analytical and simulation approaches
• Highly interactive computer-based exercises and end-of-chapter problems

This is the first book exclusively about error estimation for pattern recognition.

Ulisses M. Braga Neto is an Associate Professor in the Department of Electrical and Computer Engineering at Texas A&M University, USA. He received his PhD in Electrical and Computer Engineering from The Johns Hopkins University. Dr. Braga Neto received an NSF CAREER Award for his work on error estimation for pattern recognition with applications in genomic signal processing. He is an IEEE Senior Member.

Edward R. Dougherty is a Distinguished Professor, Robert F. Kennedy ’26 Chair, and Scientific Director at the Center for Bioinformatics and Genomic Systems Engineering at Texas A&M University, USA. He is a fellow of both the IEEE and SPIE, and he has received the SPIE Presidents Award. Dr. Dougherty has authored several books including Epistemology of the Cell: A Systems Perspective on Biological Knowledge and Random Processes for Image and Signal Processing (Wiley-IEEE Press).


Table of Contents

1. Cover

2. IEEE Press

3. Title page

4. Copyright

5. Dedication

6. PREFACE

7. ACKNOWLEDGMENTS

8. LIST OF SYMBOLS

9. CHAPTER 1 CLASSIFICATION

10. CHAPTER 2 ERROR ESTIMATION

11. CHAPTER 3 PERFORMANCE ANALYSIS

12. CHAPTER 4 ERROR ESTIMATION FOR DISCRETE CLASSIFICATION

13. CHAPTER 5 DISTRIBUTION THEORY

14. CHAPTER 6 GAUSSIAN DISTRIBUTION THEORY: UNIVARIATE CASE

15. CHAPTER 7 GAUSSIAN DISTRIBUTION THEORY: MULTIVARIATE CASE:

16. CHAPTER 8 BAYESIAN MMSE ERROR ESTIMATION

17. APPENDIX A BASIC PROBABILITY REVIEW

18. APPENDIX B VAPNIK–CHERVONENKIS THEORY

19. APPENDIX C DOUBLE ASYMPTOTICS

20. BIBLIOGRAPHY

21. AUTHOR INDEX

22. SUBJECT INDEX

23. EULA

دیگران دریافت کرده‌اند

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.