Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig am 28.09.2026 auf fremdsprachige Bücher online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. 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 Geschenkkarten, Versandkosten und Services.
  • Produktbild: Knowledge Representation and Organization in Machine Learning
  • Produktbild: Knowledge Representation and Organization in Machine Learning

Knowledge Representation and Organization in Machine Learning

Aus der Reihe Lecture Notes in Computer Science

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.01.1989

Abbildungen

XVIII, 322 p.

Herausgeber

Katharina Morik

Verlag

Springer Berlin

Seitenzahl

322

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

517 g

Auflage

1989

Sprache

Englisch

ISBN

978-3-540-50768-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.01.1989

Abbildungen

XVIII, 322 p.

Herausgeber

Katharina Morik

Verlag

Springer Berlin

Seitenzahl

322

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

517 g

Auflage

1989

Sprache

Englisch

ISBN

978-3-540-50768-0

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: Knowledge Representation and Organization in Machine Learning
  • Produktbild: Knowledge Representation and Organization in Machine Learning
  • Explanation: A source of guidance for knowledge representation.- (Re)presentation issues in second generation expert systems.- Some aspects of learning and reorganization in an analogical representation.- A knowledge-intensive learning system for document retrieval.- Constructing expert systems as building mental models or toward a cognitive ontology for expert systems.- Sloppy modeling.- The central role of explanations in disciple.- An inference engine for representing multiple theories.- The acquisition of model-knowledge for a model-driven machine learning approach.- Using attribute dependencies for rule learning.- Learning disjunctive concepts.- The use of analogy in incremental SBL.- Knowledge base refinement using apprenticeship learning techniques.- Creating high level knowledge structures from simple elements.- Demand-driven concept formation.