خرید و دانلود نسخه کامل کتاب Nearest-Neighbor Methods in Learning and Vision

توضیحاتی در مورد کتاب

روش‌های رگرسیون و طبقه‌بندی بر اساس شباهت ورودی به نمونه‌های ذخیره‌شده، به طور گسترده در برنامه‌هایی که شامل مجموعه‌های بسیار بزرگی از داده‌های با ابعاد بالا هستند، استفاده نشده است. با این حال، پیشرفت‌های اخیر در هندسه محاسباتی و یادگیری ماشین ممکن است مشکلات استفاده از این روش‌ها را در مجموعه داده‌های بزرگ کاهش دهد. این جلد بحث‌های نظری و عملی روش‌های نزدیک‌ترین همسایه (NN) را در یادگیری ماشین ارائه می‌کند و بینایی کامپیوتر را به عنوان یک حوزه کاربردی بررسی می‌کند که در آن مزایای این روش‌های پیشرفته اغلب چشمگیر است. این کمک‌های محققان در تئوری محاسبات، یادگیری ماشین، و بینایی کامپیوتر را با هدف پر کردن شکاف‌ها بین رشته‌ها و ارائه روش‌های پیشرفته برای کاربردهای نوظهور گرد هم می‌آورد.
مشارکت‌کنندگان بر اهمیت طراحی الگوریتم‌هایی برای جستجوی NN، و برای طبقه‌بندی، رگرسیون، و وظایف مربوط به بازیابی تمرکز می‌کنند، که حتی با افزایش تعداد نقاط یا ابعاد داده‌ها، کارآمد باقی می‌مانند. این کتاب با دو فصل نظری در مورد هندسه محاسباتی آغاز می‌شود و سپس راه‌هایی را برای عملی کردن رویکرد NN در برنامه‌های کاربردی یادگیری ماشین بررسی می‌کند، جایی که ابعاد داده‌ها و اندازه مجموعه‌های داده، روش‌های ساده برای جستجوی NN را بسیار گران می‌کند. فصل‌های پایانی کاربردهای موفقیت‌آمیز یک الگوریتم NN، هش حساس به محلی (LSH) را برای وظایف بینایی توصیف می‌کنند.