KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Learning in Non-Stationary Environments
  • Produktbild: Learning in Non-Stationary Environments
- 13%

Learning in Non-Stationary Environments Methods and Applications

13% sparen

138,99 € UVP 160,49 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

13.04.2012

Abbildungen

XII, 440 p.

Herausgeber

Moamar Sayed-Mouchaweh + weitere

Verlag

Springer Us

Seitenzahl

440

Maße (L/B/H)

24,1/16/2,8 cm

Gewicht

788 g

Auflage

2012

Sprache

Englisch

ISBN

978-1-4419-8019-9

Beschreibung

Portrait

Both editors are active researchers in the area with a significant publication record where the publications themselves are in the general area to be covered in the proposed edited volume.

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

13.04.2012

Abbildungen

XII, 440 p.

Herausgeber

Verlag

Springer Us

Seitenzahl

440

Maße (L/B/H)

24,1/16/2,8 cm

Gewicht

788 g

Auflage

2012

Sprache

Englisch

ISBN

978-1-4419-8019-9

Herstelleradresse

Springer-Verlag GmbH
Europaplatz 3
69115 Heidelberg
DE

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: Learning in Non-Stationary Environments
  • Produktbild: Learning in Non-Stationary Environments

  • Prologue.- Part I: Dynamic Methods for Unsupervised Learning Problems.- Incremental Statistical Measures.- A Granular Description of Data: A Study in Evolvable Systems.- Incremental Spectral Clustering.- Part II: Dynamic Methods for Supervised Classification Problems.- Semi-Supervised Dynamic Fuzzy K-Nearest Neighbors.- Making Early Predictions of the Accuracy of Machine Learning Classifiers.- Incremental Classifier Fusion and its Applications in Industrial Monotiroing and Diagnostics.- Instance-Based Classification and Regression on Data Streams.- Part III: Dynamic Methods for Supervised Regression Problems.- Flexible Evolving Fuzzy Inference Systems from Data Streams (FLEXFIS++).- Sequential Adaptive Fuzzy Inference System for Function Approximation Problems.- Interval Approach for Evolving Granular System Modeling.- Part IV: Applications of Learning in Non-Stationary Environments.- Dynamic Learning in Multiple Time-Series in a Non-Stationary Environmenty.- Optimizing Feature Calculation in Adaptive Machine Vision Systems.- On-line Quality Contol with Flexible Evolving Fuzzy Systems.- Identification of a Class of Hybrid Dynamic Systems.