Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 06.07.2026 auf fremdsprachige Bücher online auf thalia.at, in der Thalia App ab einem Mindestbestellwert von 30€ und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.
  • Produktbild: Proceedings of ELM-2014 Volume 1
  • Produktbild: Proceedings of ELM-2014 Volume 1
Band 3 - 10%

Proceedings of ELM-2014 Volume 1 Algorithms and Theories

Aus der Reihe Proceedings in Adaptation, Learning and Optimization
10% sparen

197,99 € UVP 219,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

29.12.2014

Abbildungen

VIII, 124 illus., schwarz-weiss Illustrationen

Herausgeber

Jiuwen Cao + weitere

Verlag

Springer

Seitenzahl

446

Maße (L/B/H)

24,1/16/3 cm

Gewicht

789 g

Auflage

2015

Sprache

Englisch

ISBN

978-3-319-14062-9

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

29.12.2014

Abbildungen

VIII, 124 illus., schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

446

Maße (L/B/H)

24,1/16/3 cm

Gewicht

789 g

Auflage

2015

Sprache

Englisch

ISBN

978-3-319-14062-9

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

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)
Die Leseprobe wird geladen.
  • Produktbild: Proceedings of ELM-2014 Volume 1
  • Produktbild: Proceedings of ELM-2014 Volume 1

  • Sparse Bayesian ELM handling with missing data for multi-class classification.- A Fast Incremental Method Based on Regularized Extreme Learning Machine.- Parallel Ensemble of Online Sequential Extreme Learning Machine Based on MapReduce.- Explicit Computation of Input Weights in Extreme Learning Machines.- Subspace Detection on Concept Drifting Data Stream.- Inductive Bias for Semi-supervised Extreme Learning Machine.- ELM based Efficient Probabilistic Threshold Query on Uncertain Data.- Sample-based Extreme Learning Machine Regression with Absent Data.- Two Stages Query Processing Optimization based on ELM in the Cloud.- Domain Adaption Transfer Extreme Learning Machine.- Quasi-linear extreme learning machine model based nonlinear system identification.- A novel bio-inspired image recognition network with extreme learning machine.- A Deep and Stable Extreme Learning Approach for Classification and Regression.- Extreme Learning Machine Ensemble Classifier for Large-scale Data.- Pruned Extreme Learning Machine Optimization based on RANSAC Multi Model Response Regularization.- Learning ELM network weights using linear discriminant analysis.- An Algorithm for Classification over Uncertain Data based on Extreme Learning Machine.- Training Generalized Feedforward Kernelized Neural Networks on Very Large Datasets for Regression Using Minimal-Enclosing-Ball Approximation.- An Online Multiple Model Approach to Improve Performance in Univariate Time-Series Prediction.- A Self-organizing Mixture Extreme Leaning Machine for Time Series Forecasting.- A Robust AdaBoost.RT based Ensemble Extreme Learning Machine.- Machine learning reveals different brain activities during TOVA test.- Online Sequential Extreme Learning Machine with New Weight-setting Strategy or Non stationary Time Series Prediction.- RMSE-ELM: Recursive Model based Selective Ensemble of Extreme Learning Machines for Robustness Improvement.- Extreme Learning Machine for Regression and Classification UsingL1-Norm and L2-Norm.- A Semi-supervised Online Sequential Extreme Learning Machine Method.- ELM feature mappings learning: Single-hidden-layer feed forward network without output weight.- ROS-ELM: A Robust Online Sequential Extreme Learning Machine for Big Data.- Deep Extreme Learning Machines for Classification.- C-ELM: A Curious Extreme Learning Machine for Classification Problems.- Review of Advances in Neural Networks: Neural Design Technology Stack.- Applying Regularization Least Squares Canonical Correction Analysis in Extreme Learning Machine formulti-label classification problems.- Least Squares Policy Iteration based on Random Vector Basis.- Identifying Indistinguishable Classes in Multi-class Classification Data Sets using ELM.- Effects of Training Datasets on both the Extreme Learning Machine and Support Vector Machine for Target Audience Identification on Twitter.- Extreme Learning Machine for Clustering.