Produktbild: Innovations in Neural Information Paradigms and Applications
Band 247

Innovations in Neural Information Paradigms and Applications

Fr. 192.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

16.10.2009

Herausgeber

Monica Bianchini + weitere

Verlag

Springer Berlin

Seitenzahl

293

Maße (L/B/H)

24.5/16.6/2.8 cm

Gewicht

592 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-04002-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

16.10.2009

Herausgeber

Verlag

Springer Berlin

Seitenzahl

293

Maße (L/B/H)

24.5/16.6/2.8 cm

Gewicht

592 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-04002-3

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

Kundinnen und Kunden meinen

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.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Innovations in Neural Information Paradigms and Applications
  • Advances in Neural Information Processing Paradigms.- Self-Organizing Maps for Structured Domains: Theory, Models, and Learning of Kernels.- Unsupervised and Supervised Learning of Graph Domains.- Neural Grammar Networks.- Estimates of Model Complexity in Neural-Network Learning.- Regularization and Suboptimal Solutions in Learning from Data.- Probabilistic Interpretation of Neural Networks for the Classification of Vectors, Sequences and Graphs.- Metric Learning for Prototype-Based Classification.- Bayesian Linear Combination of Neural Networks.- Credit Card Transactions, Fraud Detection, and Machine Learning: Modelling Time with LSTM Recurrent Neural Networks.- Towards Computational Modelling of Neural Multimodal Integration Based on the Superior Colliculus Concept.