Vor Ort
Merkzettel Warenkorb
Produktbild: Deterministic and Statistical Methods in Machine Learning
Band 3635

Deterministic and Statistical Methods in Machine Learning First International Workshop, Sheffield, UK, September 7-10, 2004. Revised Lectures

Aus der Reihe Lecture Notes in Computer Science

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

11.10.2005

Abbildungen

VIII, 341 p.

Herausgeber

Joab Winkler + weitere

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

23,5/15,5/2,2 cm

Gewicht

605 g

Auflage

2005

Sprache

Englisch

ISBN

978-3-540-29073-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

11.10.2005

Abbildungen

VIII, 341 p.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

23,5/15,5/2,2 cm

Gewicht

605 g

Auflage

2005

Sprache

Englisch

ISBN

978-3-540-29073-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Deterministic and Statistical Methods in Machine Learning
  • Object Recognition via Local Patch Labelling.- Multi Channel Sequence Processing.- Bayesian Kernel Learning Methods for Parametric Accelerated Life Survival Analysis.- Extensions of the Informative Vector Machine.- Efficient Communication by Breathing.- Guiding Local Regression Using Visualisation.- Transformations of Gaussian Process Priors.- Kernel Based Learning Methods: Regularization Networks and RBF Networks.- Redundant Bit Vectors for Quickly Searching High-Dimensional Regions.- Bayesian Independent Component Analysis with Prior Constraints: An Application in Biosignal Analysis.- Ensemble Algorithms for Feature Selection.- Can Gaussian Process Regression Be Made Robust Against Model Mismatch?.- Understanding Gaussian Process Regression Using the Equivalent Kernel.- Integrating Binding Site Predictions Using Non-linear Classification Methods.- Support Vector Machine to Synthesise Kernels.- Appropriate Kernel Functions for Support Vector Machine Learning with Sequences of Symbolic Data.- Variational Bayes Estimation of Mixing Coefficients.- A Comparison of Condition Numbers for the Full Rank Least Squares Problem.- SVM Based Learning System for Information Extraction.