9783319333816 - machine learning for evolution strategies (studies in big data, 20, band 20) von kramer, oliver (4 Ergebnisse)
Sprache: Englisch
Verlag: Cham, Springer International Publishing; : Springer., 2016
- Hardcover
Anbieter: Universitätsbuchhandlung Herta Hold GmbH, Berlin, DeutschlandUniversitätsbuchhandlung Herta Hold GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 4 SternenZustand: Gebraucht
EUR 17,00
EUR 30,00 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
23.5 cm x 15.5 cm, 0 g. VII, 124 p. Hardcover. Versand aus Deutschland / We dispatch from Germany via Air Mail. Einband bestoßen, daher Mängelexemplar gestempelt, sonst sehr guter Zustand. Imperfect copy due to slightly bumped cover, apart from this in very good condition. Stamped. Studies in Big Data ; 20. Sprache: Englisch.
Sprache: Englisch
Verlag: Springer, 2016
- Hardcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 116,59
EUR 14,00 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: Springer, 2016
- Hardcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 151,69
EUR 11,68 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Hardcover. Zustand: Brand New. 136 pages. 9.25x6.25x0.50 inches. In Stock.
Sprache: Englisch
Verlag: Springer International Publishing, 2016
- Hardcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 106,99
EUR 61,89 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This bookintroduces numerous algorithmic hybridizations between both worlds that showhow machine learning can improve and support evolution strategies. The set ofmethods comprises covariance matrix estimation, meta-modeling of fitness andconstraint function…s, dimensionality reduction for search and visualization ofhigh-dimensional optimization processes, and clustering-based niching. Aftergiving an introduction to evolution strategies and machine learning, the bookbuilds the bridge between both worlds with an algorithmic and experimentalperspective. Experiments mostly employ a (1+1)-ES and are implemented in Pythonusing the machine learning library scikit-learn. The examples are conducted ontypical benchmark problems illustrating algorithmic concepts and theirexperimental behavior. The book closes with a discussion of related lines ofresearch.
