Értékelés:
Theodoridis és Koutroumbas „Pattern Recognition” című könyvét nagyra értékelik alapossága, áttekinthetősége és a mintafelismerés területének átfogó lefedettsége miatt, amely mind a hallgatók, mind a kutatók számára alkalmas. Naprakész anyagot tartalmaz a haladó témákról, és kiváló példákkal szolgál. Néhány recenzens azonban sűrűnek és a kezdők számára kihívást jelentőnek találja, a kritikák középpontjában a kompakt jelölések és a kiegészítő szövegek nélküli gyakorlati kódolási útmutatás hiánya áll.
Előnyök:⬤ A mintafelismerés területének alapos lefedése
⬤ világos és jól szervezett bemutatás
⬤ kiváló példák és számítógépes kísérletek
⬤ frissítve a legújabb eredményekkel
⬤ jelentős mélység és szélesség
⬤ alkalmas hallgatók, kutatók és gyakorlati szakemberek számára
⬤ jó matematikai magyarázat a MATLAB kísérőkönyvvel.
⬤ Sűrű és kihívást jelent a kezdők számára
⬤ egyes kritikusok szerint inkább referencia, mint tanulási segédeszköz
⬤ az egyenletek tömörek és nehezen megfejthetők
⬤ nincs elegendő gyakorlati kódolási útmutató
⬤ egyes kiadásoknál (pl. Kindle) formázási problémák vannak.
(21 olvasói vélemény alapján)
Pattern Recognition
Ez a könyv a felügyelt, felügyelet nélküli és félig felügyelt mintafelismerés klasszikus és jelenlegi elméletét és gyakorlatát veszi figyelembe, hogy teljes hátteret biztosítson a szakemberek és a mérnökhallgatók számára. A szerzők, a mintafelismerés vezető szakértői, naprakész, önálló kötetet adtak ki, amely az információk e széles spektrumát foglalja magába. Ebben a kiadásban a legmodernebb módszerek is helyet kaptak: a félig felügyelt tanulás, a klaszterező algoritmusok kombinálása és a relevancia-visszacsatolás.
- Alaposan továbbfejlesztve, hogy sokkal több kidolgozott példát tartalmazzon a különböző módszerek és technikák jobb megértése érdekében.
- Sokkal több ábrát tartalmaz - mostantól két színben -, hogy a vizuális megjelenítés révén nagyobb betekintést nyújtson.
- A leggyakoribb módszerek Matlab-kódjai minden fejezet végén megtalálhatók.
- További Matlab-kódok és egy kísérő kézikönyv ezen a webhelyen keresztül érhető el.
- A szöveg referenciaértékének növelése érdekében a legújabb, aktuális témák is szerepelnek, beleértve a nemlineáris dimenziócsökkentési technikákat, a relevancia-visszacsatolást, a félig felügyelt tanulást, a spektrális klaszterezést és a klaszterezési algoritmusok kombinálását.
- Kísérő könyv a könyvben szereplő leggyakoribb módszerek és algoritmusok Matlab-kódjával, valamint leíró összefoglalóval és megoldott példákkal, köztük valós képalkotási és hangfelismerési adatsorokkal. A kísérő könyv külön-külön vagy speciális csomagolt áron lesz kapható (ISBN: 9780123744869).