Vor Ort
Merkzettel Warenkorb
  • Produktbild: Algorithmic Learning Theory
  • Produktbild: Algorithmic Learning Theory

Algorithmic Learning Theory International Workshop ALT '95, Fukuoka, Japan, October 18-20, 1995 Proceedings

Aus der Reihe Lecture Notes in Computer Science

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.10.1995

Herausgeber

Klaus P. Jantke + weitere

Verlag

Springer Berlin

Seitenzahl

324

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

522 g

Auflage

1995

Sprache

Englisch

ISBN

978-3-540-60454-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.10.1995

Herausgeber

Verlag

Springer Berlin

Seitenzahl

324

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

522 g

Auflage

1995

Sprache

Englisch

ISBN

978-3-540-60454-9

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: Algorithmic Learning Theory
  • Produktbild: Algorithmic Learning Theory
  • Grammatical inference: An old and new paradigm.- Efficient learning of real time one-counter automata.- Learning strongly deterministic even linear languages from positive examples.- Language learning from membership queries and characteristic examples.- Learning unions of tree patterns using queries.- Inductive constraint logic.- Incremental learning of logic programs.- Learning orthogonal F-Horn formulas.- Learning nested differences in the presence of malicious noise.- Learning sparse linear combinations of basis functions over a finite domain.- Inferring a DNA sequence from erroneous copies (abstract).- Machine induction without revolutionary paradigm shifts.- Probabilistic language learning under monotonicity constraints.- Noisy inference and oracles.- Simulating teams with many conjectures.- Complexity of network training for classes of Neural Networks.- Learning ordered binary decision diagrams.- Simple PAC learning of simple decision lists.- The complexity of learning minor closed graph classes.- Technical and scientific issues of KDD (or: Is KDD a science?).- Analogical logic program synthesis algorithm that can refute inappropriate similarities.- Reflecting and self-confident inductive inference machines.- On approximately identifying concept classes in the limit.- Application of kolmogorov complexity to inductive inference with limited memory.