Andere Kunden interessierten sich auch für
![Adversariale Robustheit Neuronaler Netze]( "Adversariale Robustheit Neuronaler Netze")
Adversariale Robustheit Neuronaler Netze39,50 €![Simulation neuronaler Netze]( "Simulation neuronaler Netze")
Simulation neuronaler Netze69,95 €![Simulation pulsender neuronaler Netze mit neuromorpher Hardware]( "Simulation pulsender neuronaler Netze mit neuromorpher Hardware")
Simulation pulsender neuronaler Netze mit neuromorpher Hardware59,00 €![Neuronale Netze und Deep Learning kapieren]( "Neuronale Netze und Deep Learning kapieren")
Neuronale Netze und Deep Learning kapieren29,99 €![Verlängerung der Lebensdauer von Netzwerken durch biologisch inspirierte Crow-Search-Optimierung]( "Verlängerung der Lebensdauer von Netzwerken durch biologisch inspirierte Crow-Search-Optimierung")
Verlängerung der Lebensdauer von Netzwerken durch biologisch inspirierte Crow-Search-Optimierung43,90 €![Einsatz semantischer Netze in der trialen Kompetenzentwicklung]( "Einsatz semantischer Netze in der trialen Kompetenzentwicklung")
Einsatz semantischer Netze in der trialen Kompetenzentwicklung39,90 €![Computernetzwerke]( "Computernetzwerke")
Computernetzwerke59,95 €
Schnelles Wachstum gespeicherter Datenmengen in der Informationstechnik führte in den vergangenen Jahren zu einem steigenden Interesse an Methoden, die in der Lage sind, nützliches Wissen automatisch aus großen Datenbeständen zu filtern. Mit dem Ziel, solche Methoden zu entwickeln, hat sich inzwischen unter Synonymen wie Data Mining , Knowledge Discovery in Databases (KDD) oder Datenmustererkennung eine neue Forschungsrichtung etabliert, die bislang isoliert arbeitende Einzeldisziplinen vereinigt. Zu nennen sind die Disziplinen Statistik, Datenbank- und Expertensystemforschung, automatischer Wissenserwerb, Maschinelles Lernen und Fuzzy-Datenanalyse.
Die Literatur über Data Mining dokumentiert zahlreiche Versuche, aus verschiedenartigsten Datenbeständen neue Erkenntnisse zu gewinnen. Hierbei werden unterschiedliche Algorithmen des Data Mining beschrieben. Ziel hierbei ist es, die Eignung Neuronaler Netze, oft auch als Künstliche Neuronale Netze bezeichnet, als Mining-Algorithmen für die Mining-Funktionen Clustern und Vorhersage zu untersuchen. Dabei begrenzt sich die Sichtweise auf Backpropagation- und Kohonen-Netze, da diese Neuronalen Netze für Clustern und Vorhersagen prädestiniert sind.
Die Literatur über Data Mining dokumentiert zahlreiche Versuche, aus verschiedenartigsten Datenbeständen neue Erkenntnisse zu gewinnen. Hierbei werden unterschiedliche Algorithmen des Data Mining beschrieben. Ziel hierbei ist es, die Eignung Neuronaler Netze, oft auch als Künstliche Neuronale Netze bezeichnet, als Mining-Algorithmen für die Mining-Funktionen Clustern und Vorhersage zu untersuchen. Dabei begrenzt sich die Sichtweise auf Backpropagation- und Kohonen-Netze, da diese Neuronalen Netze für Clustern und Vorhersagen prädestiniert sind.