Merkzettel Warenkorb
  • Produktbild: Algorithmic Learning Theory
  • Produktbild: Algorithmic Learning Theory

Algorithmic Learning Theory 18th International Conference, ALT 2007, Sendai, Japan, October 1-4, 2007, Proceedings

Aus der Reihe Lecture Notes in Computer Science

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.09.2007

Herausgeber

Marcus Hutter + weitere

Verlag

Springer Berlin

Seitenzahl

406

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

640 g

Auflage

2007

Sprache

Englisch

ISBN

978-3-540-75224-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.09.2007

Herausgeber

Verlag

Springer Berlin

Seitenzahl

406

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

640 g

Auflage

2007

Sprache

Englisch

ISBN

978-3-540-75224-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

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: Algorithmic Learning Theory
  • Produktbild: Algorithmic Learning Theory
  • Editors’ Introduction.- Editors’ Introduction.- Invited Papers.- A Theory of Similarity Functions for Learning and Clustering.- Machine Learning in Ecosystem Informatics.- Challenge for Info-plosion.- A Hilbert Space Embedding for Distributions.- Simple Algorithmic Principles of Discovery, Subjective Beauty, Selective Attention, Curiosity and Creativity.- Invited Papers.- Feasible Iteration of Feasible Learning Functionals.- Parallelism Increases Iterative Learning Power.- Prescribed Learning of R.E. Classes.- Learning in Friedberg Numberings.- Complexity Aspects of Learning.- Separating Models of Learning with Faulty Teachers.- Vapnik-Chervonenkis Dimension of Parallel Arithmetic Computations.- Parameterized Learnability of k-Juntas and Related Problems.- On Universal Transfer Learning.- Online Learning.- Tuning Bandit Algorithms in Stochastic Environments.- Following the Perturbed Leader to Gamble at Multi-armed Bandits.- Online Regression Competitive with Changing Predictors.- Unsupervised Learning.- Cluster Identification in Nearest-Neighbor Graphs.- Multiple Pass Streaming Algorithms for Learning Mixtures of Distributions in .- Language Learning.- Learning Efficiency of Very Simple Grammars from Positive Data.- Learning Rational Stochastic Tree Languages.- Query Learning.- One-Shot Learners Using Negative Counterexamples and Nearest Positive Examples.- Polynomial Time Algorithms for Learning k-Reversible Languages and Pattern Languages with Correction Queries.- Learning and Verifying Graphs Using Queries with a Focus on Edge Counting.- Exact Learning of Finite Unions of Graph Patterns from Queries.- Kernel-Based Learning.- Polynomial Summaries of Positive Semidefinite Kernels.- Learning Kernel Perceptrons on Noisy Data Using Random Projections.- Continuity of Performance Metrics for Thin Feature Maps.- Other Directions.- Multiclass Boosting Algorithms for Shrinkage Estimators of Class Probability.- Pseudometrics for State Aggregation in Average Reward Markov Decision Processes.- On Calibration Error of Randomized Forecasting Algorithms.