دسته: آموزشی
دانلود کتاب یادگیری توالی: پارادایم ها، الگوریتم ها و کاربردها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Sequence Learning: Paradigms, Algorithms, and Applications
ویرایش : 1
عنوان ترجمه شده به فارسی : یادگیری توالی: پارادایم ها، الگوریتم ها و کاربردها
سری : Lecture Notes in Computer Science 1828 : Lecture Notes in Artificial Intelligence
نویسندگان : Ron Sun (auth.), Ron Sun, C. Lee Giles (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2001
تعداد صفحات : 400
ISBN (شابک) : 3540415971 , 9783540415978
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
رفتار متوالی برای هوش به طور کلی و بخشی اساسی از فعالیتهای انسانی ضروری است، از استدلال گرفته تا زبان، و از مهارتهای روزمره تا حل مسائل پیچیده. یادگیری توالی جزء مهمی از یادگیری در بسیاری از وظایف و زمینه های کاربردی است: برنامه ریزی، استدلال، پردازش زبان طبیعی رباتیک، تشخیص گفتار، کنترل تطبیقی، پیش بینی سری های زمانی، مهندسی مالی، توالی DNA و غیره. این کتاب فصلهای منسجمی را توسط مقامات برجسته ارائه میکند و با معرفی مدلها و الگوریتمهای ضروری و با بررسی انواع کاربردها، وضعیت هنر را در یادگیری متوالی ارزیابی میکند. این کتاب بخشهای موضوعی در مورد خوشهبندی توالی و یادگیری با مدلهای مارکوف، پیشبینی و تشخیص توالی با شبکههای عصبی، کشف توالی با روشهای نمادین، تصمیمگیری متوالی، مدلهای یادگیری توالی الهامگرفته از بیولوژیکی را ارائه میدهد.
Sequential behavior is essential to intelligence in general and a fundamental part of human activities, ranging from reasoning to language, and from everyday skills to complex problem solving. Sequence learning is an important component of learning in many tasks and application fields: planning, reasoning, robotics natural language processing, speech recognition, adaptive control, time series prediction, financial engineering, DNA sequencing, and so on. This book presents coherently integrated chapters by leading authorities and assesses the state of the art in sequence learning by introducing essential models and algorithms and by examining a variety of applications. The book offers topical sections on sequence clustering and learning with Markov models, sequence prediction and recognition with neural networks, sequence discovery with symbolic methods, sequential decision making, biologically inspired sequence learning models.