Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

*Gültig bis 07.06.2026 auf (fast) alles. Ausgeschlossen sind Smartboxen, Zeitschriften, Tickets, Lebensmittel, Gaming-Elektroartikel, Tinte/Toner, Gutscheine, Geschenkkarten, Blumen und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 100.- | Nicht mit anderen Rabatten kumulierbar.
  • Produktbild: Proceedings of ELM-2014 Volume 1
  • Produktbild: Proceedings of ELM-2014 Volume 1
Band 3

Proceedings of ELM-2014 Volume 1 Algorithms and Theories

Aus der Reihe Proceedings in Adaptation, Learning and Optimization

Fr. 242.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.08.2016

Abbildungen

VIII, 124 illus., schwarz-weiss Illustrationen

Herausgeber

Jiuwen Cao + weitere

Verlag

Springer

Seitenzahl

446

Maße (L/B/H)

23.5/15.5/2.5 cm

Gewicht

690 g

Auflage

Softcover reprint of the original 1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-36684-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.08.2016

Abbildungen

VIII, 124 illus., schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

446

Maße (L/B/H)

23.5/15.5/2.5 cm

Gewicht

690 g

Auflage

Softcover reprint of the original 1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-36684-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: 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: Proceedings of ELM-2014 Volume 1
  • Produktbild: Proceedings of ELM-2014 Volume 1

  • Sparse Bayesian ELM handling with missing data for multi-class classification.- A Fast Incremental Method Based on Regularized Extreme Learning Machine.- Parallel Ensemble of Online Sequential Extreme Learning Machine Based on MapReduce.- Explicit Computation of Input Weights in Extreme Learning Machines.- Subspace Detection on Concept Drifting Data Stream.- Inductive Bias for Semi-supervised Extreme Learning Machine.- ELM based Efficient Probabilistic Threshold Query on Uncertain Data.- Sample-based Extreme Learning Machine Regression with Absent Data.- Two Stages Query Processing Optimization based on ELM in the Cloud.- Domain Adaption Transfer Extreme Learning Machine.- Quasi-linear extreme learning machine model based nonlinear system identification.- A novel bio-inspired image recognition network with extreme learning machine.- A Deep and Stable Extreme Learning Approach for Classification and Regression.- Extreme Learning Machine Ensemble Classifier for Large-scale Data.- Pruned Extreme Learning Machine Optimization based on RANSAC Multi Model Response Regularization.- Learning ELM network weights using linear discriminant analysis.- An Algorithm for Classification over Uncertain Data based on Extreme Learning Machine.- Training Generalized Feedforward Kernelized Neural Networks on Very Large Datasets for Regression Using Minimal-Enclosing-Ball Approximation.- An Online Multiple Model Approach to Improve Performance in Univariate Time-Series Prediction.- A Self-organizing Mixture Extreme Leaning Machine for Time Series Forecasting.- A Robust AdaBoost.RT based Ensemble Extreme Learning Machine.- Machine learning reveals different brain activities during TOVA test.- Online Sequential Extreme Learning Machine with New Weight-setting Strategy or Non stationary Time Series Prediction.- RMSE-ELM: Recursive Model based Selective Ensemble of Extreme Learning Machines for Robustness Improvement.- Extreme Learning Machine for Regression and Classification UsingL1-Norm and L2-Norm.- A Semi-supervised Online Sequential Extreme Learning Machine Method.- ELM feature mappings learning: Single-hidden-layer feed forward network without output weight.- ROS-ELM: A Robust Online Sequential Extreme Learning Machine for Big Data.- Deep Extreme Learning Machines for Classification.- C-ELM: A Curious Extreme Learning Machine for Classification Problems.- Review of Advances in Neural Networks: Neural Design Technology Stack.- Applying Regularization Least Squares Canonical Correction Analysis in Extreme Learning Machine formulti-label classification problems.- Least Squares Policy Iteration based on Random Vector Basis.- Identifying Indistinguishable Classes in Multi-class Classification Data Sets using ELM.- Effects of Training Datasets on both the Extreme Learning Machine and Support Vector Machine for Target Audience Identification on Twitter.- Extreme Learning Machine for Clustering.