Andere Kunden interessierten sich auch für
![KÜNSTLICHE INTELLIGENZ IN DER LANDWIRTSCHAFT]( "KÜNSTLICHE INTELLIGENZ IN DER LANDWIRTSCHAFT")
KÜNSTLICHE INTELLIGENZ IN DER LANDWIRTSCHAFT43,90 €![Künstliche Intelligenz]( "Künstliche Intelligenz")
Künstliche Intelligenz34,99 €![Künstliche Intelligenz heute]( "Künstliche Intelligenz heute")
Künstliche Intelligenz heute34,99 €![Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz]( "Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz")
Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz29,99 €![Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen]( "Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen")
Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen58,00 €![KONSTRUKTION EINES MODELLS BASIEREND AUF DEM ZUFALLSBOHRER]( "KONSTRUKTION EINES MODELLS BASIEREND AUF DEM ZUFALLSBOHRER")
KONSTRUKTION EINES MODELLS BASIEREND AUF DEM ZUFALLSBOHRER39,90 €![Künstliche Intelligenz]( "Künstliche Intelligenz")
Künstliche Intelligenz49,95 €
Das Erkennen unserer Umwelt basiert im Wesentlichen auf Beobachtung, Analyse und Einordnung. Die Elemente unserer Umwelt werden in der Tat durch Vergleich mit ihren ähnlichen hierarchischen relationalen Repräsentationen klassifiziert. Dieser Ansatz ist relativ schwierig zu formalisieren, insbesondere wenn er in einen unbeaufsichtigten Kontext gestellt wird. Das heißt, wenn es darum geht, die in einer Stichprobe vorhandenen Klassen anhand der einzigen Informationen zu identifizieren, die aus den zu klassifizierenden Objekten extrahiert werden können. Im Allgemeinen sind Objekte durch Attribute gekennzeichnet, die bequem durch Punkte in einem mehrdimensionalen Raum dargestellt werden können. In diesem Zusammenhang wurden viele Klassifizierungsmethoden entwickelt. Einige von ihnen basieren auf Distanzkonzepten, während sich andere auf statistische Begriffe beziehen, bei denen explizit auf die Wahrscheinlichkeitsdichtefunktion (pdf) Bezug genommen wird, die der Verteilung von Daten bei der Klassifizierung zugrunde liegt.