Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 25.08.2026 ab einem Mindestbestellwert von 30€ auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher und Hörbuch-Downloads (außer Abo), nicht preisgebundene Bücher und Kalender online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind preisgebundene Artikel, Abos & Flatrates, eBooks, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services. Preisgebundene Artikel sind vom Mindestbestellwert ausgeschlossen.
  • Produktbild: Algorithmic Learning Theory
  • Produktbild: Algorithmic Learning Theory
Band 3734

Algorithmic Learning Theory 16th International Conference, ALT 2005, Singapore, October 8-11, 2005, Proceedings

Aus der Reihe Lecture Notes in Computer Science

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.09.2005

Abbildungen

XII, 491 p.

Herausgeber

Sanjay Jain + weitere

Verlag

Springer Berlin

Seitenzahl

491

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

762 g

Auflage

2005

Sprache

Englisch

ISBN

978-3-540-29242-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

26.09.2005

Abbildungen

XII, 491 p.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

491

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

762 g

Auflage

2005

Sprache

Englisch

ISBN

978-3-540-29242-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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
  • Editors’ Introduction.- Editors’ Introduction.- Invited Papers.- Invention and Artificial Intelligence.- The Arrowsmith Project: 2005 Status Report.- The Robot Scientist Project.- Algorithms and Software for Collaborative Discovery from Autonomous, Semantically Heterogeneous, Distributed Information Sources.- Training Support Vector Machines via SMO-Type Decomposition Methods.- Kernel-Based Learning.- Measuring Statistical Dependence with Hilbert-Schmidt Norms.- An Analysis of the Anti-learning Phenomenon for the Class Symmetric Polyhedron.- Learning Causal Structures Based on Markov Equivalence Class.- Stochastic Complexity for Mixture of Exponential Families in Variational Bayes.- ACME: An Associative Classifier Based on Maximum Entropy Principle.- Constructing Multiclass Learners from Binary Learners: A Simple Black-Box Analysis of the Generalization Errors.- On Computability of Pattern Recognition Problems.- PAC-Learnability of Probabilistic Deterministic Finite State Automata in Terms of Variation Distance.- Learnability of Probabilistic Automata via Oracles.- Learning Attribute-Efficiently with Corrupt Oracles.- Learning DNF by Statistical and Proper Distance Queries Under the Uniform Distribution.- Learning of Elementary Formal Systems with Two Clauses Using Queries.- Gold-Style and Query Learning Under Various Constraints on the Target Class.- Non U-Shaped Vacillatory and Team Learning.- Learning Multiple Languages in Groups.- Inferring Unions of the Pattern Languages by the Most Fitting Covers.- Identification in the Limit of Substitutable Context-Free Languages.- Algorithms for Learning Regular Expressions.- A Class of Prolog Programs with Non-linear Outputs Inferable from Positive Data.- Absolute Versus Probabilistic Classification in a Logical Setting.-Online Allocation with Risk Information.- Defensive Universal Learning with Experts.- On Following the Perturbed Leader in the Bandit Setting.- Mixture of Vector Experts.- On-line Learning with Delayed Label Feedback.- Monotone Conditional Complexity Bounds on Future Prediction Errors.- Non-asymptotic Calibration and Resolution.- Defensive Prediction with Expert Advice.- Defensive Forecasting for Linear Protocols.- Teaching Learners with Restricted Mind Changes.