ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Hamiltonian Monte Carlo Methods in Machine Learning

دانلود کتاب روش‌های مونت کارلو همیلتونی در یادگیری ماشینی

Hamiltonian Monte Carlo Methods in Machine Learning

مشخصات کتاب

Hamiltonian Monte Carlo Methods in Machine Learning

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9780443190353 
ناشر: Elsevier 
سال نشر: 2023 
تعداد صفحات: 222 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 Mb

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Hamiltonian Monte Carlo Methods in Machine Learning 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 روش‌های مونت کارلو همیلتونی در یادگیری ماشینی 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.


توضیحاتی در مورد کتاب روش‌های مونت کارلو همیلتونی در یادگیری ماشینی

روش‌های مونت کارلو همیلتونی در یادگیری ماشینی روش‌هایی را برای تنظیم بهینه پارامترهای HMC به همراه معرفی روش‌های سایه‌ای و غیر متعارف HMC با بهبود و افزایش سرعت معرفی می‌کنند. در نهایت، نویسندگان به مسائل مهم کاهش واریانس برای تخمین پارامترهای نمونه‌برداران متعدد مبتنی بر HMC می‌پردازند. این کتاب مقدمه‌ای جامع بر روش‌های مونت کارلو همیلتونی ارائه می‌کند و یک توضیح پیشرفته از آسیب‌شناسی‌های کنونی روش‌های مبتنی بر HMC در هر دو تنظیم، مقیاس‌گذاری و نمونه‌برداری از آثار پیچیده دنیای واقعی ارائه می‌کند. اینها عمدتاً در مقیاس بندی استنتاج (به عنوان مثال، شبکه های عصبی عمیق)، تنظیم پارامترهای نمونه برداری حساس به عملکرد و همبستگی نمونه بالا هستند. بخش‌های دیگر راه‌حل‌های متعددی را برای مشکلات احتمالی ارائه می‌کنند و روش‌های پیشرفته HMC را با کاربردهایی در انرژی‌های تجدیدپذیر، مالی و طبقه‌بندی تصویر برای کاربردهای زیست‌پزشکی ارائه می‌کنند. خوانندگان با هر دو نظریه نمونه برداری HMC و اجرای الگوریتم آشنا می شوند.


توضیحاتی درمورد کتاب به خارجی

Hamiltonian Monte Carlo Methods in Machine Learning introduces methods for optimal tuning of HMC parameters, along with an introduction of Shadow and Non-canonical HMC methods with improvements and speedup. Lastly, the authors address the critical issues of variance reduction for parameter estimates of numerous HMC based samplers. The book offers a comprehensive introduction to Hamiltonian Monte Carlo methods and provides a cutting-edge exposition of the current pathologies of HMC-based methods in both tuning, scaling and sampling complex real-world posteriors. These are mainly in the scaling of inference (e.g., Deep Neural Networks), tuning of performance-sensitive sampling parameters and high sample autocorrelation. Other sections provide numerous solutions to potential pitfalls, presenting advanced HMC methods with applications in renewable energy, finance and image classification for biomedical applications. Readers will get acquainted with both HMC sampling theory and algorithm implementation.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی