9783866444317 - controlled self-organisation using learning classifier systems: dissertationsschrift von richter, urban maximilian (3 Ergebnisse)
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 39,05
EUR 13,97 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Softcover
Anbieter: avelibro OHG, Dinkelscherben, Deutschlandavelibro OHG
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenVerbandsmitglied: BOEV
Zustand: Gebraucht - Sehr gut
EUR 26,00
EUR 10,00 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
8° Paperback. Zustand: Sehr gut. 218 S. The complexity of technical systems increases, breakdowns occur quite often. The mission of organic computing is to tame these challenges by providing degrees of freedom for self-organised behaviour. To achieve these goals, new methods have to be developed. The proposed observer/controller… architecture constitutes one way to achieve controlled self-organisation. To improve its design, multi-agent scenarios are investigated. Especially, learning using learning classifier systems is addressed. B07-02-06D Sprache: Deutsch Gewicht in Gramm: 448.
Sprache: Englisch
Verlag: Karlsruher Institut Für Technologie, Karlsruher Institut Für Technologie, 2009
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 33,50
EUR 61,80 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - The complexity of technical systems increases, breakdowns occur quite often. The mission of organic computing is to tame these challenges by providing degrees of freedom for self-organised behaviour. To achieve these goals, new methods have to be dev…eloped. The proposed observer/controller architecture constitutes one way to achieve controlled self-organisation. To improve its design, multi-agent scenarios are investigated. Especially, learning using learning classifier systems is addressed.
