Inductive biases machine learning von lutter michael (7 Ergebnisse)
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 53,44
EUR 14,05 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Hardcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 141,81
EUR 14,05 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Hardcover
Anbieter: Majestic Books, Hounslow, Vereinigtes KönigreichMajestic Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 4 SternenZustand: Neu
EUR 147,95
EUR 7,63 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 1 verfügbar
Zustand: New.
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 113,20
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Inductive Biases in Machine Learning for Robotics and Control | Michael Lutter | Taschenbuch | Springer Tracts in Advanced Robotics | xv | Englisch | 2024 | Springer | EAN 9783031378348 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[…at]springer[dot]com | Anbieter: preigu.
- Hardcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 181,78
EUR 11,73 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Hardcover. Zustand: Brand New. 134 pages. 9.25x6.10x9.21 inches. In Stock.
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 128,39
EUR 61,10 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - One important robotics problem is 'How can one program a robot to perform a task' Classical robotics solves this problem by manually engineering modules for state estimation, planning, and control. In contrast, robot learning solely relies on black-b…ox models and data. This book shows that these two approaches of classical engineering and black-box machine learning are not mutually exclusive. To solve tasks with robots, one can transfer insights from classical robotics to deep networks and obtain better learning algorithms for robotics and control. To highlight that incorporating existing knowledge as inductive biases in machine learning algorithms improves performance, this book covers different approaches for learning dynamics models and learning robust control policies. The presented algorithms leverage the knowledge of Newtonian Mechanics, Lagrangian Mechanics as well as the Hamilton-Jacobi-Isaacs differential equation as inductive bias and are evaluated on physical robots.
- Hardcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 128,39
EUR 61,89 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Buch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - One important robotics problem is 'How can one program a robot to perform a task' Classical robotics solves this problem by manually engineering modules for state estimation, planning, and control. In contrast, robot learning solely relies on black-box mode…ls and data. This book shows that these two approaches of classical engineering and black-box machine learning are not mutually exclusive. To solve tasks with robots, one can transfer insights from classical robotics to deep networks and obtain better learning algorithms for robotics and control. To highlight that incorporating existing knowledge as inductive biases in machine learning algorithms improves performance, this book covers different approaches for learning dynamics models and learning robust control policies. The presented algorithms leverage the knowledge of Newtonian Mechanics, Lagrangian Mechanics as well as the Hamilton-Jacobi-Isaacs differential equation as inductive bias and are evaluated on physical robots.
