Gutscheinbedingungen

**Gültig bis 10.06.2026 / Gültig für gebrauchte Bücher / Mindestbestellwert 20,00 € / Einzelne Artikel können ausgeschlossen sein / Online auf www.bücher.de.de / Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen / Nur einmal pro Einkauf einlösbar / Gutschein wird auf max. 500€ Bestellwert angerechnet / Keine Barauszahlung / Nicht gültig für Versandkosten und Services

Produktbild: Algorithmic Learning Theory
Band 6331

Algorithmic Learning Theory 21st International Conference, ALT 2010, Canberra, Australia, October 6-8, 2010. Proceedings

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2010

Herausgeber

Marcus Hutter + weitere

Verlag

Springer Berlin

Seitenzahl

421

Maße (L/B/H)

23,8/15,9/2,5 cm

Gewicht

653 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-16107-0

Beschreibung

Portrait

Marcus Hutter received his masters in computer sciences in 1992 at the Technical University in Munich, Germany. After his PhD in theoretical particle physics he developed algorithms in a medical software company for 5 years. For four years he has been working as a researcher at the AI institute IDSIA in Lugano, Switzerland. His current interests are centered around reinforcement learning, algorithmic information theory and statistics, universal induction schemes, adaptive control theory, and related areas.

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2010

Herausgeber

Verlag

Springer Berlin

Seitenzahl

421

Maße (L/B/H)

23,8/15,9/2,5 cm

Gewicht

653 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-16107-0

Herstelleradresse

Springer-Verlag GmbH
Heidelberger Platz 3
14197 Berlin
Deutschland
Email: sdc-bookservice@springer.com
Url: www.springer.com
Telephone: +49 6221 3454301
Fax: +49 30 8214091

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Algorithmic Learning Theory
  • Editors’ Introduction.- Editors’ Introduction.- Invited Papers.- Towards General Algorithms for Grammatical Inference.- The Blessing and the Curse of the Multiplicative Updates.- Discovery of Abstract Concepts by a Robot.- Contrast Pattern Mining and Its Application for Building Robust Classifiers.- Optimal Online Prediction in Adversarial Environments.- Regular Contributions.- An Algorithm for Iterative Selection of Blocks of Features.- Bayesian Active Learning Using Arbitrary Binary Valued Queries.- Approximation Stability and Boosting.- A Spectral Approach for Probabilistic Grammatical Inference on Trees.- PageRank Optimization in Polynomial Time by Stochastic Shortest Path Reformulation.- Inferring Social Networks from Outbreaks.- Distribution-Dependent PAC-Bayes Priors.- PAC Learnability of a Concept Class under Non-atomic Measures: A Problem by Vidyasagar.- A PAC-Bayes Bound for Tailored Density Estimation.- Compressed Learning with Regular Concept.- A Lower Bound for Learning Distributions Generated by Probabilistic Automata.- Lower Bounds on Learning Random Structures with Statistical Queries.- Recursive Teaching Dimension, Learning Complexity, and Maximum Classes.- Toward a Classification of Finite Partial-Monitoring Games.- Switching Investments.- Prediction with Expert Advice under Discounted Loss.- A Regularization Approach to Metrical Task Systems.- Solutions to Open Questions for Non-U-Shaped Learning with Memory Limitations.- Learning without Coding.- Learning Figures with the Hausdorff Metric by Fractals.- Inductive Inference of Languages from Samplings.- Optimality Issues of Universal Greedy Agents with Static Priors.- Consistency of Feature Markov Processes.- Algorithms for Adversarial Bandit Problems with Multiple Plays.- Online Multiple Kernel Learning: Algorithms and Mistake Bounds.- An Identity for Kernel Ridge Regression.