Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Statistical Learning Theory

Statistical Learning Theory

Adaptive and Cognitive Dynamic Systems: Signal Processing, Learning, Communicati

Aus der Reihe

Fr. 313.00

inkl. gesetzl. MwSt.
Versandkostenfrei

Beschreibung

Details

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.09.1998

Verlag

John Wiley & Sons Inc

Seitenzahl

736

Maße (L/B/H)

24.1/16.7/4.1 cm

Beschreibung

Details

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.09.1998

Verlag

John Wiley & Sons Inc

Seitenzahl

736

Maße (L/B/H)

24.1/16.7/4.1 cm

Gewicht

1296 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-0-471-03003-4

Weitere Bände von Adaptive and Learning Systems for Signal Processing, Communications, and Control Series

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen filtern
  • Statistical Learning Theory

  • Preface xxi

    Introduction: The Problem of induction and  Statistical inference 1

    I Theory of learning and generation

    1 Two Approches to the learnig problem 19

    Appendix to chapter 1: Methods for solving III-posed problems 51

    2  Estimation of the probability Measure and problem of learning 59

    3 Conditions for Consistency of Empirical Risk Minimization Principal 79

    4 Bounds on the Risk for indicator Loss Functions 121

    Appendix to Chapter 4: Lower Bounds on the Risk of the ERM Principle 169

    5 Bounds on the Risk for Real-valued loss functions 183

    6 The structural Risk Minimization Principle 219

    Appendix to chapter 6: Estimating Functions on the basis of indirect measurements 271

    7 stochastic III-posed problems 293

    8 Estimating the values of Function at given points 339

    II Support Vector Estimation of Functions

    9 Perceptions and their Generalizations 375

    10 The Support Vector Method for Estimating Indicator functions 401

    11 The Support Vector Method for Estimating Real-Valued functions 443

    12 SV Machines for pattern Recognition 493

    13 SV Machines for Function Approximations, Regression Estimation, and Signal Processing 521

    III Statistical Foundation of Learning Theory

    14 Necessary and Sufficient Conditions for Uniform Convergence of Frequencies to their Probabilities  571

    15 Necessary and Sufficient Conditions for Uniform Convergence of Means to their Expectations 597

    16 Necessary and Sufficient Conditions for Uniform One-sided Convergence of Means to their Expectations 629

    Comments and Bibliographical Remarks 681

    References 723

    Index 733