Gépi tanulási módszerek a jel-, kép- és beszédfeldolgozáshoz

Gépi tanulási módszerek a jel-, kép- és beszédfeldolgozáshoz (A. Jabbar Meerja)

Eredeti címe:

Machine Learning Methods for Signal, Image and Speech Processing

Könyv tartalma:

A jelfeldolgozás (SP) területét a mesterséges intelligencia (AI) és a gépi tanulás (ML) legújabb fejlesztései gazdagították, új eszközöket kínálva a jelek becslésére, osztályozására, előrejelzésére és manipulálására. A többrétegű jelreprezentációk, a nemlineáris függvények közelítése és a nemlineáris jelelőrejelzés ma már mind a dimenzionalitás, mind az adatméret tekintetében nagyon nagy léptékben megvalósítható.

Ezek jelentős teljesítménynövekedést eredményeznek számos régóta fennálló problématerületen, például a beszéd- és képelemzésben. Valamint lehetővé teszik a nemlineáris függvények új osztályainak (pl. fúzió, nemlineáris szűrés) létrehozását.

Ez a könyv segítséget nyújt az akadémikusoknak, kutatóknak, fejlesztőknek, végzős és egyetemi hallgatóknak a komplex SP-adatok megértéséhez számos aktuális alkalmazási területen, mint például a közösségi médiahálózatokból gyűjtött közösségi multimédia-adatok, orvosi képalkotási adatok, Covid-tesztek adatai stb. Ez a könyv a beszéd, a kép, a kommunikáció és a yirtuális valóság területén történő AI-felhasználásra összpontosít.

A könyv egyéb adatai:

ISBN:9788770223690
Szerző:
Kiadó:
Nyelv:angol
Kötés:Keményfedeles
A kiadás éve:2021
Oldalak száma:250

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Gépi tanulási módszerek a jel-, kép- és beszédfeldolgozáshoz - Machine Learning Methods for Signal,...
A jelfeldolgozás (SP) területét a mesterséges...
Gépi tanulási módszerek a jel-, kép- és beszédfeldolgozáshoz - Machine Learning Methods for Signal, Image and Speech Processing

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)