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: Parametrized, Deformed and General Neural Networks
  • Produktbild: Parametrized, Deformed and General Neural Networks

Parametrized, Deformed and General Neural Networks

Aus der Reihe Studies in Computational Intelligence

Fr. 276.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.10.2023

Verlag

Springer

Seitenzahl

853

Maße (L/B/H)

24.1/16/5.2 cm

Gewicht

1455 g

Sprache

Englisch

ISBN

978-3-031-43020-6

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.10.2023

Verlag

Springer

Seitenzahl

853

Maße (L/B/H)

24.1/16/5.2 cm

Gewicht

1455 g

Sprache

Englisch

ISBN

978-3-031-43020-6

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: Parametrized, Deformed and General Neural Networks
  • Produktbild: Parametrized, Deformed and General Neural Networks
  • Abstract ordinary and fractional neural network approximations based on Richard’s curve.- Abstract Multivariate Neural Network Approximation based on Richard’s curve.- Parametrized hyperbolic tangent based Banach space valued basic and fractional neural network approximations.- Parametrized hyperbolic tangent induced Banach space valued multivariate multi layer neural network approximations.- Banach space valued neural network approximation based on a parametrized arctangent sigmoid function.- Parametrized arctangent activated Banach space valued multi layer neural network multivariate approximation.- Banach space valued Ordinary and Fractional neural networks approximations based on the parametrized Gudermannian function.- Parametrized Gudermannian activation function based Banach space valued neural network multivariate approximation.- Banach space valued univariate neural network approximation based on parametrized error activation function.- Banach space valued multivariate multi layer neural network approximation based on parametrized error activation function.- Hyperbolic Tangent Like based univariate Banach space valued neural network approximation.- Banach space valued neural network multivariate approximation based on hyperbolic tangent like activation function.- Banach space valued ordinary and fractional neural network approximations based on q-deformed hyperbolic tangent activation function.- Banach space valued multivariate multi layer neural network approximation based on q-deformed hyperbolic tangent activation function.- Banach space valued multivariate multi layer neural network approximation based on q-deformed and λ-parametrized A-generalized logistic function.- Banach space valued ordinary and fractional neural network approximation based on q-deformed and λ-parametrized A-generalized logistic function.- Banach space valued multivariate multi layer neural network approximation based on q-deformed and λ-parametrized hyperbolic tangent function.- q-Deformed and λ-parametrized hyperbolic tangent based Banach space valued ordinary and fractional neural network approximation.- Banach space valued multivariate multi layer neural network approximation based on q-Deformed and parametrized half hyperbolic tangent.- Banach space valued ordinary and fractional neural network approximation based on q-deformed and β-parametrized half hyperbolic tangent.- General sigmoid relied Banach space valued neural network approximation.- General sigmoid induced Banach space valued neural network multivariate approximation.- Fuzzy basic and fractional general sigmoid function generated neural network approximation.- Multivariate Fuzzy Approximation by Neural Network Operators induced by a general sigmoid function.- Multivariate Fuzzy-Random and stochastic general sigmoid activation function generated Neural Network Approximations.- Voronovskaya type asymptotic expansions for general sigmoid functions induced quasi-interpolation neural network operators.- Multiple general sigmoids activated Banach space valued neural network multivariate approximation.- Quantitative Approximation by Multiple sigmoids KantorovichChoquet quasi-interpolation neural network operators.- Degree of Approximation by Multiple sigmoids KantorovichShilkret quasi-interpolation neural network operators.- Approximation by Neural Networks of Brownian Motion.- Neural Networks Approximation of Time Separating Stochastic Processes.- Fractional Calculus between Banach spaces together with Ostrowski and Gr¨uss kind of inequalities.- Sequential Fractional Calculus between Banach spaces and corresponding Ostrowski and Gr¨uss kind of inequalities.