"Digital Signal Processing with Kernel Methods" - это реалистичный и всеобъемлющий обзор совместных подходов к алгоритмам машинного обучения и обработки сигналов, с применением в системах связи, мультимедиа и биомедицинской инженерии. В книге проводится обзор вех в смешении классических моделей цифровой обработки сигналов и передовых инструментов статистического обучения с ядрами. Объясняются фундаментальные концепции из обоих областей - машинного обучения и обработки сигналов, чтобы читатели могли быстро освоиться и начать разрабатывать концепции и прикладное программное обеспечение в собственных исследованиях.
Книга дает всесторонний обзор методов ядра в обработке сигналов, без ограничения какой-либо конкретной областью применения. Также приводятся примеры приложений и подробные эксперименты по сравнительному тестированию с реальными и синтетическими наборами данных. Читатели могут найти дополнительные разработанные примеры с исходным кодом Matlab на веб-сайте, созданном авторами.
Книга представляет необходимые базовые идеи как из цифровой обработки сигналов, так и из машинного обучения. Дается обзор последних достижений в алгоритмах SVM для задач классификации и обнаружения в контексте обработки сигналов. Обсуждаются успехи в обработке сигналов с ядром за пределами алгоритмов SVM, представляя другие весьма актуальные методы ядра для цифровой обработки сигналов.
Это отличная книга для исследователей и практиков в области обработки сигналов, которая также будет интересна тем, кто занимается машинным обучением и распознаванием образов.
Электронная Книга «Digital Signal Processing with Kernel Methods» написана автором Manel Martinez-Ramon в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118705827
Описание книги от Manel Martinez-Ramon
A realistic and comprehensive review of joint approaches to machine learning and signal processing algorithms, with application to communications, multimedia, and biomedical engineering systems Digital Signal Processing with Kernel Methods reviews the milestones in the mixing of classical digital signal processing models and advanced kernel machines statistical learning tools. It explains the fundamental concepts from both fields of machine learning and signal processing so that readers can quickly get up to speed in order to begin developing the concepts and application software in their own research. Digital Signal Processing with Kernel Methods provides a comprehensive overview of kernel methods in signal processing, without restriction to any application field. It also offers example applications and detailed benchmarking experiments with real and synthetic datasets throughout. Readers can find further worked examples with Matlab source code on a website developed by the authors. Presents the necessary basic ideas from both digital signal processing and machine learning concepts Reviews the state-of-the-art in SVM algorithms for classification and detection problems in the context of signal processing Surveys advances in kernel signal processing beyond SVM algorithms to present other highly relevant kernel methods for digital signal processing An excellent book for signal processing researchers and practitioners, Digital Signal Processing with Kernel Methods will also appeal to those involved in machine learning and pattern recognition.
