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: Learning Motor Skills
  • Produktbild: Learning Motor Skills
Band 97 - 10%

Learning Motor Skills From Algorithms to Robot Experiments

10% sparen

98,99 € UVP 109,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

09.12.2013

Abbildungen

XVI, 191 p. 56 illus., 54 illus. in color.

Verlag

Springer

Seitenzahl

191

Maße (L/B/H)

24,1/16/1,7 cm

Gewicht

483 g

Sprache

Englisch

ISBN

978-3-319-03193-4

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

09.12.2013

Abbildungen

XVI, 191 p. 56 illus., 54 illus. in color.

Verlag

Springer

Seitenzahl

191

Maße (L/B/H)

24,1/16/1,7 cm

Gewicht

483 g

Sprache

Englisch

ISBN

978-3-319-03193-4

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 Motor Skills
  • Produktbild: Learning Motor Skills
  • Reinforcement Learning in Robotics: A Survey.- Movement Templates for Learning of Hitting and Batting.- Policy Search for Motor Primitives in Robotics.- Reinforcement Learning to Adjust Parameterized Motor Primitives to New Situations.- Learning Prioritized Control of Motor Primitives.