Vor Ort
Merkzettel Warenkorb
  • Produktbild: Neural Network Learning
  • Produktbild: Neural Network Learning

Neural Network Learning Theoretical Foundations

184,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

16.04.2015

Verlag

Cambridge Academic

Seitenzahl

404

Maße (L/B/H)

23,5/15,7/2,8 cm

Gewicht

760 g

Sprache

Englisch

ISBN

978-0-521-57353-5

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

16.04.2015

Verlag

Cambridge Academic

Seitenzahl

404

Maße (L/B/H)

23,5/15,7/2,8 cm

Gewicht

760 g

Sprache

Englisch

ISBN

978-0-521-57353-5

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

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: Neural Network Learning
  • Produktbild: Neural Network Learning
  • 1. Introduction; Part I. Pattern Recognition with Binary-output Neural Networks: 2. The pattern recognition problem; 3. The growth function and VC-dimension; 4. General upper bounds on sample complexity; 5. General lower bounds; 6. The VC-dimension of linear threshold networks; 7. Bounding the VC-dimension using geometric techniques; 8. VC-dimension bounds for neural networks; Part II. Pattern Recognition with Real-output Neural Networks: 9. Classification with real values; 10. Covering numbers and uniform convergence; 11. The pseudo-dimension and fat-shattering dimension; 12. Bounding covering numbers with dimensions; 13. The sample complexity of classification learning; 14. The dimensions of neural networks; 15. Model selection; Part III. Learning Real-Valued Functions: 16. Learning classes of real functions; 17. Uniform convergence results for real function classes; 18. Bounding covering numbers; 19. The sample complexity of learning function classes; 20. Convex classes; 21. Other learning problems; Part IV. Algorithmics: 22. Efficient learning; 23. Learning as optimisation; 24. The Boolean perceptron; 25. Hardness results for feed-forward networks; 26. Constructive learning algorithms for two-layered networks.