دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: M. Emre Celebi, Kemal Aydin (eds.) سری: ISBN (شابک) : 9783319242095, 9783319242118 ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: 564 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب الگوریتم های یادگیری بدون نظارت: مهندسی ارتباطات، شبکه ها، هوش محاسباتی، شبکه های ارتباطی کامپیوتری، تشخیص الگو، هوش مصنوعی (شامل رباتیک)، داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Unsupervised Learning Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب الگوریتم های یادگیری بدون نظارت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب به طور خلاصه پیشرفتهای روز در یادگیری بدون نظارت را نشان میدهد. مشارکتکنندگان در مورد اینکه چگونه با تکثیر مقادیر انبوه دادههای بدون برچسب، الگوریتمهای یادگیری بدون نظارت، که میتوانند به طور خودکار الگوهای جالب و مفید در چنین دادههایی را کشف کنند، در بین محققان و متخصصان محبوبیت پیدا کردهاند، بحث میکنند. نویسندگان بیان می کنند که چگونه این الگوریتم ها کاربردهای متعددی از جمله تشخیص الگو، تجزیه و تحلیل سبد بازار، وب کاوی، تجزیه و تحلیل شبکه های اجتماعی، بازیابی اطلاعات، سیستم های توصیه کننده، تحقیقات بازار، تشخیص نفوذ، و تشخیص تقلب پیدا کرده اند. آنها نشان میدهند که چگونه دشواری توسعه رویکردهای نظری صحیح که قابل ارزیابی عینی هستند، منجر به پیشنهاد الگوریتمهای یادگیری بدون نظارت متعدد در نیم قرن گذشته شده است. مخاطبان مورد نظر شامل محققان و متخصصانی هستند که به طور فزاینده ای از الگوریتم های یادگیری بدون نظارت برای تجزیه و تحلیل داده های خود استفاده می کنند. موضوعات مورد علاقه شامل تشخیص ناهنجاری، خوشه بندی، استخراج ویژگی و کاربردهای یادگیری بدون نظارت است. هر فصل توسط یک متخصص برجسته در این زمینه ارائه شده است.
This book summarizes the state-of-the-art in unsupervised learning. The contributors discuss how with the proliferation of massive amounts of unlabeled data, unsupervised learning algorithms, which can automatically discover interesting and useful patterns in such data, have gained popularity among researchers and practitioners. The authors outline how these algorithms have found numerous applications including pattern recognition, market basket analysis, web mining, social network analysis, information retrieval, recommender systems, market research, intrusion detection, and fraud detection. They present how the difficulty of developing theoretically sound approaches that are amenable to objective evaluation have resulted in the proposal of numerous unsupervised learning algorithms over the past half-century. The intended audience includes researchers and practitioners who are increasingly using unsupervised learning algorithms to analyze their data. Topics of interest include anomaly detection, clustering, feature extraction, and applications of unsupervised learning. Each chapter is contributed by a leading expert in the field.
Front Matter....Pages i-x
Anomaly Detection for Data with Spatial Attributes....Pages 1-32
Anomaly Ranking in a High Dimensional Space: The Unsupervised TreeRank Algorithm....Pages 33-54
Genetic Algorithms for Subset Selection in Model-Based Clustering....Pages 55-70
Clustering Evaluation in High-Dimensional Data....Pages 71-107
Combinatorial Optimization Approaches for Data Clustering....Pages 109-134
Kernel Spectral Clustering and Applications....Pages 135-161
Uni- and Multi-Dimensional Clustering Via Bayesian Networks....Pages 163-192
A Radial Basis Function Neural Network Training Mechanism for Pattern Classification Tasks....Pages 193-206
A Survey of Constrained Clustering....Pages 207-235
An Overview of the Use of Clustering for Data Privacy....Pages 237-251
Nonlinear Clustering: Methods and Applications....Pages 253-302
Swarm Intelligence-Based Clustering Algorithms: A Survey....Pages 303-341
Extending Kmeans-Type Algorithms by Integrating Intra-cluster Compactness and Inter-cluster Separation....Pages 343-384
A Fuzzy-Soft Competitive Learning Approach for Grayscale Image Compression....Pages 385-404
Unsupervised Learning in Genome Informatics....Pages 405-448
The Application of LSA to the Evaluation of Questionnaire Responses....Pages 449-484
Mining Evolving Patterns in Dynamic Relational Networks....Pages 485-532
Probabilistically Grounded Unsupervised Training of Neural Networks....Pages 533-558