Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Ritter, G: Introduction to Lattice Algebra

Ritter, G: Introduction to Lattice Algebra With Applications in Ai, Pattern Recognition, Image Analysis, and Biomimetic Neural Networks

Fr. 89.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.09.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Zeichnungen, schwarz-weiss, Zeichnungen, farbig

Verlag

Taylor & Francis

Seitenzahl

418

Maße (L/B/H)

23.4/15.4/2.4 cm

Gewicht

800 g

Sprache

Englisch

ISBN

978-0-367-72295-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.09.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Zeichnungen, schwarz-weiss, Zeichnungen, farbig

Verlag

Taylor & Francis

Seitenzahl

418

Maße (L/B/H)

23.4/15.4/2.4 cm

Gewicht

800 g

Sprache

Englisch

ISBN

978-0-367-72295-1

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
Die Leseprobe wird geladen.
  • Produktbild: Ritter, G: Introduction to Lattice Algebra

  • 1. Elements of Algebra. 1.1. Sets, Functions, and Notations. 1.2. Algebraic Structures. 2. Pertinent Properties of R. 2.2. Elementary Properties of Euclidean Spaces. 3. Lattice Theory. 3.1. Historical Background. 3.2. Partial Orders and Lattices. 3.3. Relations with other branches of Mathematics. 4. Lattice Algebra. 4.1. Lattice Semigroups and Lattice Groups. 4.2. Minimax Algebra. 4.3. Minimax Matrix Theory. 4.4. The Geometry of S(X).5. Matrix-Based Lattice Associative Memories. 5.1. Historical Background. 5.2. Associative Memories. 6. Extreme Points of Data Sets. 6.1. Relevant Concepts of Convex Set Theory. 6.2. Affine Subsets of EXT(ss(X)).7. Image Unmixing and Segmentation. 7,1, Spectral Endmembers and Linear Unmixing. 7.2. Aviris Hyperspectral Image Examples. 7.3. Endmembers and Clustering Validation Indexes. 7.4. Color Image Segmentation. 8. Lattice-Based Biomimetic Neural Networks. 8.1. Biomimetics Artificial Neural Networks. 8.2. Lattice Biomimetic Neural Networks. 9. Learning in Biomimetic Neural Networks. 9.1 Learning in Single-Layer LBNNS. 9.2. Multi-Layer Lattice Biomimetic Neural Network. Epilogues. Bibliography.