ترجمه مقاله مروری بر تشخیص رویدادهای بدیع - نشریه الزویر

قیمت خرید این محصول

۴۱,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

مروری بر تشخیص رویدادهای بدیع - بخش اول: رویکردهای آماری

عنوان انگلیسی

Novelty detection: a review—part 1: statistical approaches

صفحات مقاله فارسی

33

صفحات مقاله انگلیسی

17

سال انتشار

2003

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7718

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی و مهندسی الگوریتم ها و محاسبات

مجله

پردازش سیگنال - Signal Processing

دانشگاه

گروه علوم کامپیوتر، دانشگاه اکستر، انگلستان

کلمات کلیدی

بررسی تشخیص جدید، رویکردهای آماری، مدل مخلوط گاوسی، مدل مخفی مارکوف، KNN، تخمین چگالی پارسن، تطبیق رشته، خوشه بندی

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1. مقدمه
2. رویکردهای آماری
2.1. رویکردهای پارامتری
2.1.1. رویکردهای احتمالاتی / GMM
2.1.2. مدل‌های مخفی مارکوف (HMM‌)
2.1.3. آزمون فرضیه
2.2. رویکردهای غیر پارامتری
2.2.1. رویکردهای مبتنی بر kNN
2.2.2. برآورد چگالی Parzen
2.2.3. رویکردهای تطبیق رشته‌ای
2.2.4. رویکردهای خوشه بندی
3. نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Noveltydetection is the identi-cation of new or unknown data or signal that a machine learning system is not aware of during training. Noveltydetection is one of the fundamental requirements of a good classi-cation or identi-cation system since sometimes the test data contains information about objects that were not known at the time of training the model. In this paper we provide state-of-the-art review in the area of noveltydetection based on statistical approaches. The second part paper details noveltydetection using neural networks. As discussed, there are a multitude of applications where novelty detection is extremelyimportant including signal processing, computer vision, pattern recognition, data mining, and robotics.

نمونه چکیده ترجمه متن فارسی

چکیده
تشخیص رویدادهای بدیع شناسایی داده ها و علائم جدید یا ناشناخته ای است که یک سیستم یادگیری ماشینی از دوره آموزش آگاه نیست. تشخیص رویدادهای بدیع یکی از الزامات اساسی یک سیستم طبقه بندی و یا شناسایی مطلوب است چرا که گاهی داده های آزمون حاوی اطلاعاتی درباره موضوعاتی هستند که در زمان آموزش مدل شناخته شده نمی باشند. در این مقاله ما مروری به روز بر حوزه تشخیص رویدادهای بدیع بر مبنای رویکردهای آماری ارائه می نماییم. مقاله بخش دوم به تشریح تشخیص رویدادهای بدیع با استفاده از شبکه های عصبی می پردازد. مطابق بحث، برنامه های کاربردی بسیاری وجود دارند که در آن ها تشخیص رویدادهای بدیع به شدت مهم است از جمله: پردازش سیگنال، دید کامپیوتری، شناخت الگو، داده کاوی، و روبوتیک.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر