توضیحات
ویرایش دوم کتاب Machine Learning: A Constraint-Based Approach، نگاهی تازه به مدل‌ها و الگوریتم‌های بنیادین یادگیری ماشین ارائه می‌دهد که بر مبنای مفهوم یکپارچه “یادگیری از محدودیت‌های محیطی” استوار است. نویسندگان تلاش می‌کنند تا با تمرکز بر موضوعات مورد علاقه فعلی نظیر شبکه‌های عصبی و ماشین‌های هسته‌ای (Kernel Machines)، یک چارچوب یکپارچه برای درک یادگیری ماشین فراهم سازند. در این رویکرد، پایگاه‌های دانش نمادین به عنوان مجموعه‌ای از محدودیت‌ها در نظر گرفته می‌شوند و مسیر ادغام عمیق یادگیری ماشین با منطق‌های چندارزشی، مانند سیستم‌های فازی، ترسیم می‌شود.
توجه ویژه‌ای در این نسخه به موضوع یادگیری عمیق شده است، زیرا به خوبی با رویکرد مبتنی بر محدودیت‌های دنبال‌شده در کتاب همخوانی دارد. این کتاب مفهوم ساده‌تر و یکپارچه‌ای از رگولاریزاسیون (قانونمندسازی) را معرفی می‌کند که ارتباط تنگاتنگی با اصل صرفه‌جویی (Parsimony Principle) دارد. این ساختار یکپارچه، درک مفاهیم پیچیده را برای دانشجویان و متخصصان در سطح کارشناسی ارشد و بالاتر تسهیل می‌کند.
ویژگی های کتاب
- ارائه مفاهیم بنیادی یادگیری ماشین (مانند شبکه‌های عصبی و ماشین‌های هسته‌ای) به صورت یکپارچه و مبتنی بر محدودیت.
- پوشش عمیق یادگیری بدون نظارت (Unsupervised) و نیمه‌نظارتی (Semi-supervised)، با محتوای جدید در زمینه‌های پررشد مانند یادگیری عمیق.
- شامل صدها مثال و تمرین حل شده که بر اساس رتبه‌بندی سختی دونالد کنوت طبقه‌بندی شده‌اند.
- همراه با یک شبیه‌ساز نرم‌افزاری برای ماشین‌های هسته‌ای و یادگیری از محدودیت‌ها جهت کسب مهارت‌های تجربی.
- معرفی مفهوم یکپارچه قانونمندسازی مرتبط با اصل صرفه‌جویی.
مشخصات کتاب
- ناشر: Elsevier
- مدرس: Marco Gori
- تعداد صفحات: 549
- تعداد فصل ها: 8
- فرمت: PDF
سرفصل‌ها
- The big picture
- Learning principles
- Linear threshold machines
- Kernel machines
- Deep architectures
- Learning with constraints
- Epilogue
- Answers to exercises
تصاویر
راهنمای استفاده
فایل را اکسترکت و با نرم افزار مناسب اجرا کنید.
لینک دانلود
دانلود Elsevier – Machine Learning: A Constraint-Based Approach, 2nd Edition 2023
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
4 مگابایت
