Merkzettel Warenkorb

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
  • Produktbild: Algorithmic Learning Theory

Algorithmic Learning Theory 20th International Conference, ALT 2009, Porto, Portugal, October 3-5, 2009, Proceedings

Aus der Reihe Lecture Notes in Artificial Intelligence

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

21.09.2009

Herausgeber

Ricard Gavaldà + weitere

Verlag

Springer Berlin

Seitenzahl

399

Maße (L/B/H)

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

Gewicht

622 g

Auflage

2009

Sprache

Englisch

ISBN

978-3-642-04413-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

21.09.2009

Herausgeber

Verlag

Springer Berlin

Seitenzahl

399

Maße (L/B/H)

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

Gewicht

622 g

Auflage

2009

Sprache

Englisch

ISBN

978-3-642-04413-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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
  • Produktbild: Algorithmic Learning Theory
  • Invited Papers.- The Two Faces of Active Learning.- Inference and Learning in Planning.- Mining Heterogeneous Information Networks by Exploring the Power of Links.- Learning and Domain Adaptation.- Learning on the Web.- Regular Contributions.- Prediction with Expert Evaluators’ Advice.- Pure Exploration in Multi-armed Bandits Problems.- The Follow Perturbed Leader Algorithm Protected from Unbounded One-Step Losses.- Computable Bayesian Compression for Uniformly Discretizable Statistical Models.- Calibration and Internal No-Regret with Random Signals.- St. Petersburg Portfolio Games.- Reconstructing Weighted Graphs with Minimal Query Complexity.- Learning Unknown Graphs.- Completing Networks Using Observed Data.- Average-Case Active Learning with Costs.- Canonical Horn Representations and Query Learning.- Learning Finite Automata Using Label Queries.- Characterizing Statistical Query Learning: Simplified Notions and Proofs.- An Algebraic Perspective on Boolean Function Learning.- Adaptive Estimation of the Optimal ROC Curve and a Bipartite Ranking Algorithm.- Complexity versus Agreement for Many Views.- Error-Correcting Tournaments.- Difficulties in Forcing Fairness of Polynomial Time Inductive Inference.- Learning Mildly Context-Sensitive Languages with Multidimensional Substitutability from Positive Data.- Uncountable Automatic Classes and Learning.- Iterative Learning from Texts and Counterexamples Using Additional Information.- Incremental Learning with Ordinal Bounded Example Memory.- Learning from Streams.- Smart PAC-Learners.- Approximation Algorithms for Tensor Clustering.- Agnostic Clustering.