Gutscheinbedingungen

**Gültig bis 14.09.2026 auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher, nicht preisgebundene Bücher und Kalender in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind Abos & Flatrates, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Nur gültig mit im Onlineshop hinterlegter Bonuscard. 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.

  • Produktbild: Subspace, Latent Structure and Feature Selection
  • Produktbild: Subspace, Latent Structure and Feature Selection
Band 3940

Subspace, Latent Structure and Feature Selection Statistical and Optimization Perspectives Workshop, SLSFS 2005 Bohinj, Slovenia, February 23-25, 2005, Revised Selected Papers

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.05.2006

Abbildungen

X, 209 p.

Herausgeber

Craig Saunders + weitere

Verlag

Springer Berlin

Seitenzahl

209

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

2006

Sprache

Englisch

ISBN

978-3-540-34137-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.05.2006

Abbildungen

X, 209 p.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

209

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

2006

Sprache

Englisch

ISBN

978-3-540-34137-6

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: Subspace, Latent Structure and Feature Selection
  • Produktbild: Subspace, Latent Structure and Feature Selection
  • Invited Contributions.- Discrete Component Analysis.- Overview and Recent Advances in Partial Least Squares.- Random Projection, Margins, Kernels, and Feature-Selection.- Some Aspects of Latent Structure Analysis.- Feature Selection for Dimensionality Reduction.- Contributed Papers.- Auxiliary Variational Information Maximization for Dimensionality Reduction.- Constructing Visual Models with a Latent Space Approach.- Is Feature Selection Still Necessary?.- Class-Specific Subspace Discriminant Analysis for High-Dimensional Data.- Incorporating Constraints and Prior Knowledge into Factorization Algorithms – An Application to 3D Recovery.- A Simple Feature Extraction for High Dimensional Image Representations.- Identifying Feature Relevance Using a Random Forest.- Generalization Bounds for Subspace Selection and Hyperbolic PCA.- Less Biased Measurement of Feature Selection Benefits.