دانلود کتاب Source separation and machine learning – جداسازی منبع و یادگیری ماشینی

• توضیحات
• نظرات (0)

Abstract: Source Separation and Machine Learning presents the fundamentals in adaptive learning algorithms for Blind Source Separation (BSS) and emphasizes the importance of machine learning perspectives. It illustrates how BSS problems are tackled through adaptive learning algorithms and model-based approaches using the latest information on mixture signals to build a BSS model that is seen as a statistical model for a whole system. Looking at different models, including independent component analysis (ICA), nonnegative matrix factorization (NMF), nonnegative tensor factorization (NTF), and deep neural network (DNN), the book addresses how they have evolved to deal with multichannel and single-channel source separation

————————————————————–

ترجمه ماشینی :

جداسازی منبع و یادگیری ماشینی مبانی الگوریتم‌های یادگیری تطبیقی را برای جداسازی منبع کور (BSS) ارائه می‌کند و بر اهمیت دیدگاه‌های یادگیری ماشین تأکید می‌کند. این نشان می‌دهد که چگونه مشکلات BSS از طریق الگوریتم‌های یادگیری تطبیقی و رویکردهای مبتنی بر مدل با استفاده از آخرین اطلاعات در مورد سیگنال‌های مخلوط برای ساختن یک مدل BSS که به‌عنوان یک مدل آماری برای کل سیستم. با نگاهی به مدل‌های مختلف، از جمله تجزیه و تحلیل مؤلفه‌های مستقل (ICA)، فاکتورسازی ماتریس غیر منفی (NMF)، فاکتورسازی تانسور غیر منفی (NTF) و شبکه عصبی عمیق (DNN)، این کتاب به چگونگی تکامل آنها برای مقابله با چند کاناله و تک کانالی می‌پردازد. جداسازی منبع. بیشتر بخوانید…