توضیحات
This book elaborately discusses techniques commonly used to improve generalization performance in classification approaches. The contents highlight methods to improve classification performance in numerous case studies: ranging from datasets of UCI repository to predictive maintenance problems and cancer classification problems. The book specifically provides a detailed tutorial on how to approach time-series classification problems and discusses two real time case studies on condition monitoring. In addition to describing the various aspects a data scientist must consider before finalizing their approach to a classification problem and reviewing the state of the art for improving classification generalization performance, it also discusses in detail the authors own contributions to the field, including MVPC – a classifier with very low VC dimension, a graphical indices based framework for reliable predictive maintenance and a novel general-purpose membership functions for Fuzzy Support Vector Machine which provides state of the art performance with noisy datasets, and a novel scheme to introduce deep learning in Fuzzy Rule based classifiers (FRCs). This volume will serve as a useful reference for researchers and students working on machine learning, health monitoring, predictive maintenance, time-series analysis, gene-expression data classification.
————————————————————–
ترجمه ماشینی :
این کتاب به طور مفصل تکنیکهایی را که معمولاً برای بهبود عملکرد تعمیم در رویکردهای طبقهبندی استفاده میشوند، مورد بحث قرار میدهد. محتویات روشهایی را برای بهبود عملکرد طبقهبندی در مطالعات موردی متعدد برجسته میکنند: از مجموعه دادههای مخزن UCI تا مشکلات نگهداری پیشبینیکننده و مشکلات طبقهبندی سرطان. این کتاب به طور خاص یک آموزش مفصل در مورد نحوه نزدیک شدن به مسائل طبقه بندی سری های زمانی ارائه می دهد و دو مطالعه موردی زمان واقعی در مورد پایش شرایط را مورد بحث قرار می دهد. علاوه بر توصیف جنبههای مختلفی که یک دانشمند داده باید قبل از نهایی کردن رویکرد خود به یک مسئله طبقهبندی و بررسی وضعیت هنر برای بهبود عملکرد تعمیم طبقهبندی در نظر بگیرد، همچنین مشارکتهای خود نویسنده در این زمینه، از جمله MVPC – a طبقهبندیکننده با ابعاد VC بسیار کم، چارچوب مبتنی بر شاخصهای گرافیکی برای نگهداری پیشبینیکننده قابل اعتماد و توابع عضویت همهمنظوره جدید برای ماشین بردار پشتیبان فازی که بهترین عملکرد را با مجموعه دادههای پر سر و صدا ارائه میدهد، و یک طرح جدید برای معرفی یادگیری عمیق در فازی طبقه بندی کننده های مبتنی بر قانون (FRC). این جلد به عنوان یک مرجع مفید برای محققان و دانشجویانی که روی یادگیری ماشینی، پایش سلامت، نگهداری پیشبینیکننده، تجزیه و تحلیل سریهای زمانی، طبقهبندی دادههای بیان ژن کار میکنند، کار میکند.
tag : دانلود کتاب بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی , Download بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی , دانلود بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی , Download Improving Classifier Generalization: Real-Time Machine Learning based Applications Book , بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی دانلود , buy بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی , خرید کتاب بهبود تعمیم طبقه بندی کننده: برنامه های کاربردی مبتنی بر یادگیری ماشینی در زمان واقعی , دانلود کتاب Improving Classifier Generalization: Real-Time Machine Learning based Applications , کتاب Improving Classifier Generalization: Real-Time Machine Learning based Applications , دانلود Improving Classifier Generalization: Real-Time Machine Learning based Applications , خرید Improving Classifier Generalization: Real-Time Machine Learning based Applications , خرید کتاب Improving Classifier Generalization: Real-Time Machine Learning based Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.