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
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: نویسندگان: Vladimir Vapnik سری: ISBN (شابک) : 0387308652, 9780387308654 ناشر: سال نشر: 2006 تعداد صفحات: 104 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 515 کیلوبایت
در صورت تبدیل فایل کتاب Estimation of Dependences Based on Empirical Data: Empirical Inference Science (Information Science and Statistics) 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 برآورد وابستگی ها بر اساس داده های تجربی: علوم استنباط تجربی (علوم اطلاعات و آمار) 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.
در سال 1982، اسپرینگر ترجمه انگلیسی کتاب روسی "تخمین وابستگی ها بر اساس داده های تجربی" را منتشر کرد که پایه و اساس نظریه آماری یادگیری و تعمیم (نظریه VC) شد. تعدادی از اصول جدید و فناوری های جدید یادگیری از جمله فناوری SVM بر اساس این نظریه ایجاد شده است. ویرایش دوم این کتاب شامل دو بخش است: چاپ مجدد نسخه اول که پایه کلاسیک نظریه یادگیری آماری را فراهم می کند. چهار فصل جدید که آخرین ایده ها در توسعه روش های استنتاج آماری را تشریح می کند. آنها بخش دوم کتاب را با عنوان "علم استنتاج تجربی" تشکیل می دهند. در بخش دوم کتاب به همراه مدلهای جدید استنباط، اصول کلی فلسفی استنتاج از مشاهدات مطرح میشود. این شامل پارادایمهای جدید استنتاج است که از روشهای غیر استقرایی مناسب برای دنیای پیچیده استفاده میکنند، برخلاف روشهای استقرایی استنتاج که در فلسفه علم کلاسیک برای دنیای ساده توسعه یافتهاند. دو بخش کتاب طیف وسیعی از ایدههای مرتبط با جوهر هوش را پوشش میدهد: از پایههای آماری دقیق مدلهای یادگیری تا الزامات فلسفی گسترده برای تعمیم. این کتاب برای محققانی در نظر گرفته شده است که با مسائل مختلفی در استنتاج تجربی سروکار دارند: آماردانان، ریاضیدانان، فیزیکدانان، دانشمندان کامپیوتر و فیلسوفان.
In 1982, Springer published the English translation of the Russian book, "Estimation of Dependencies Based on Empirical Data" which became the foundation of the statistical theory of learning and generalization (the VC theory). A number of new principles and new technologies of learning, including SVM technology, have been developed based on this theory. The second edition of this book contains two parts: a reprint of the first edition which provides the classical foundation of Statistical Learning Theory; four new chapters describing the latest ideas in the development of statistical inference methods. They form the second part of the book entitled "Empirical Inference Science". The second part of the book discusses along with new models of inference the general philosophical principles of making inferences from observations. It includes new paradigms of inference that use non-inductive methods appropriate for a complex world, in contrast to inductive methods of inference developed in the classical philosophy of science for a simple world. The two parts of the book cover a wide spectrum of ideas related to the essence of intelligence: from the rigorous statistical foundation of learning models to broad philosophical imperatives for generalization. The book is intended for researchers who deal with a variety of problems in empirical inference: statisticians, mathematicians, physicists, computer scientists, and philosophers.
Realism and Instrumentalism: Classical Statistics and VC Theory (1960–1980)....Pages 411-424
Falsifiability and Parsimony: VC Dimension and the Number of Entities (1980–2000)....Pages 425-457
Noninductive Methods of Inference: Direct Inference Instead of Generalization (2000-...)....Pages 459-478
The Big Picture....Pages 479-497