9781852333737 - learning and generalisation: with applications to neural networks (communications and control engineering) von vidyasagar, mathukumalli (4 Ergebnisse)
- Hardcover
Anbieter: ThriftBooks-Dallas, Dallas, TX, USAThriftBooks-Dallas
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht - Befriedigend
EUR 76,66
Versand gratisVersand innerhalb von USAAnzahl: 1 verfügbar
Hardcover. Zustand: Good. No Jacket. Pages can have notes/highlighting. Spine may show signs of wear. ~ ThriftBooks: Read More, Spend Less.
- Hardcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 202,08
EUR 13,94 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Hardcover
Anbieter: BUCHSERVICE / ANTIQUARIAT Lars Lutzer, Wahlstedt, DeutschlandBUCHSERVICE / ANTIQUARIAT Lars Lutzer
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht - Gut
EUR 189,00
EUR 39,95 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Hardcover. Zustand: gut. 2002. Learning and Generalisation In englischer Sprache. pages.
- Hardcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 208,07
EUR 30,50 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Learning and Generalization provides a formal mathematical theory addressing intuitive questions of the type: - How does a machine learn a concept on the basis of examples - How can a neural network, after training, correctly predict the outcome of a previo…usly unseen input - How much training is required to achieve a given level of accuracy in the prediction - How can one identify the dynamical behaviour of a nonlinear control system by observing its input-output behaviour over a finite time The second edition covers new areas including:- support vector machines;- fat-shattering dimensions and applications to neural network learning;- learning with dependent samples generated by a beta-mixing process;- connections between system identification and learning theory;- probabilistic solution of 'intractable problems' in robust control and matrix theory using randomized algorithms.It also contains solutions to some of the open problems posed in the first edition, while adding new open problems.
