Produktbild: Genetic Programming Theory and Practice XIII

Genetic Programming Theory and Practice XIII

99,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.12.2016

Abbildungen

XX, 69 illus., 31 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Rick Riolo + weitere

Verlag

Springer

Seitenzahl

262

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

538 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-34221-4

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.12.2016

Abbildungen

XX, 69 illus., 31 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

262

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

538 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-34221-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Genetic Programming Theory and Practice XIII
  • Evolving Simple Symbolic Regression Models by Multi-objective Genetic Programming.- Learning Heuristics for Mining RNA Sequence-Structure Motifs.- Kaizen Programming for Feature Construction for Classification.- GP as if You Meant It: An Exercise for Mindful Practice.- nPool: Massively Distributed Simultaneous Evolution and Cross-Validation in EC-Star.- Highly Accurate Symbolic Regression with Noisy Training Data.- Using Genetic Programming for Data Science: Lessons Learned.- The Evolution of Everything (EvE) and Genetic Programming.- Lexicase selection for program synthesis: a Diversity Analysis.- Using Graph Databases to Explore the Dynamics of Genetic Programming Runs.- Predicting Product Choice with Symbolic Regression and Classification.- Multiclass Classification Through Multidimensional Clustering.- Prime-Time: Symbolic Regression takes its place in the Real World.