Vor Ort
Merkzettel Warenkorb
  • Produktbild: Learning Classifier Systems
  • Produktbild: Learning Classifier Systems
Band 4998

Learning Classifier Systems 10th International Workshop, IWLCS 2006, Seattle, MA, USA, July 8, 2006, and 11th International Workshop, IWLCS 2007, London, UK, July 8, 2007, Revised Selected Papers

Aus der Reihe Lecture Notes in Computer Science

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.10.2008

Abbildungen

X, 307 p.

Herausgeber

Jaume Bacardit + weitere

Verlag

Springer Berlin

Seitenzahl

307

Maße (L/B/H)

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

Gewicht

487 g

Auflage

2008

Sprache

Englisch

ISBN

978-3-540-88137-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.10.2008

Abbildungen

X, 307 p.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

307

Maße (L/B/H)

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

Gewicht

487 g

Auflage

2008

Sprache

Englisch

ISBN

978-3-540-88137-7

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: Learning Classifier Systems
  • Produktbild: Learning Classifier Systems
  • Learning Classifier Systems: Looking Back and Glimpsing Ahead.- Knowledge Representations.- Analysis of Population Evolution in Classifier Systems Using Symbolic Representations.- Investigating Scaling of an Abstracted LCS Utilising Ternary and S-Expression Alphabets.- Evolving Fuzzy Rules with UCS: Preliminary Results.- Analysis of the System.- A Principled Foundation for LCS.- Revisiting UCS: Description, Fitness Sharing, and Comparison with XCS.- Mechanisms.- Analysis and Improvements of the Classifier Error Estimate in XCSF.- A Learning Classifier System with Mutual-Information-Based Fitness.- On Lookahead and Latent Learning in Simple LCS.- A Learning Classifier System Approach to Relational Reinforcement Learning.- Linkage Learning, Rule Representation, and the ?-Ary Extended Compact Classifier System.- New Directions.- Classifier Conditions Using Gene Expression Programming.- Evolving Classifiers Ensembles with Heterogeneous Predictors.- Substructural Surrogates for Learning Decomposable Classification Problems.- Empirical Evaluation of Ensemble Techniques for a Pittsburgh Learning Classifier System.- Applications.- Technology Extraction of Expert Operator Skills from Process Time Series Data.- Analysing Learning Classifier Systems in Reactive and Non-reactive Robotic Tasks.