Gutscheinbedingungen

*Gültig bis 18.08.2026 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: Latent Factor Analysis for High-dimensional and Sparse Matrices
  • Produktbild: Latent Factor Analysis for High-dimensional and Sparse Matrices

Latent Factor Analysis for High-dimensional and Sparse Matrices A particle swarm optimization-based approach

Fr. 66.90

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.11.2022

Verlag

Springer Singapore

Seitenzahl

92

Maße (L/B/H)

23.5/15.5/0.6 cm

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-981-19-6702-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.11.2022

Verlag

Springer Singapore

Seitenzahl

92

Maße (L/B/H)

23.5/15.5/0.6 cm

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-981-19-6702-3

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Latent Factor Analysis for High-dimensional and Sparse Matrices
  • Produktbild: Latent Factor Analysis for High-dimensional and Sparse Matrices
  • Chapter 1. Introduction.- Chapter 2. Learning rate-free Latent Factor Analysis via PSO.- Chapter 3. Learning Rate and Regularization Coefficient-free Latent Factor Analysis via PSO.- Chapter 4. Regularization and Momentum Coefficient-free Non-negative Latent Factor Analysis via PSO.- Chapter 5. Advanced Learning rate-free Latent Factor Analysis via P2SO.- Chapter 6. Conclusion and Discussion.