Vor Ort
Merkzettel Warenkorb
  • Produktbild: Explanation-Based Neural Network Learning
  • Produktbild: Explanation-Based Neural Network Learning
Band 357

Explanation-Based Neural Network Learning A Lifelong Learning Approach

Aus der Reihe Springer International Series in Engineering and Computer

146,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.10.2011

Abbildungen

XVI, 264 p.

Verlag

Springer Us

Seitenzahl

264

Maße (L/B/H)

23,5/15,5/1,6 cm

Gewicht

435 g

Auflage

Softcover reprint of the original 1st edition 1996

Sprache

Englisch

ISBN

978-1-4612-8597-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.10.2011

Abbildungen

XVI, 264 p.

Verlag

Springer Us

Seitenzahl

264

Maße (L/B/H)

23,5/15,5/1,6 cm

Gewicht

435 g

Auflage

Softcover reprint of the original 1st edition 1996

Sprache

Englisch

ISBN

978-1-4612-8597-7

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

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: Explanation-Based Neural Network Learning
  • Produktbild: Explanation-Based Neural Network Learning
  • 1 Introduction.- 1.1 Motivation.- 1.2 Lifelong Learning.- 1.3 A Simple Complexity Consideration.- 1.4 The EBNN Approach to Lifelong Learning.- 1.5 Overview.- 2 Explanation-Based Neural Network Learning.- 2.1 Inductive Neural Network Learning.- 2.2 Analytical Learning.- 2.3 Why Integrate Induction and Analysis?.- 2.4 The EBNN Learning Algorithm.- 2.5 A Simple Example.- 2.6 The Relation of Neural and Symbolic Explanation-Based Learning.- 2.7 Other Approaches that Combine Induction and Analysis.- 2.8 EBNN and Lifelong Learning.- 3 The Invariance Approach.- 3.1 Introduction.- 3.2 Lifelong Supervised Learning.- 3.3 The Invariance Approach.- 3.4 Example: Learning to Recognize Objects.- 3.5 Alternative Methods.- 3.6 Remarks.- 4 Reinforcement Learning.- 4.1 Learning Control.- 4.2 Lifelong Control Learning.- 4.3 Q-Learning.- 4.4 Generalizing Function Approximators and Q-Learning.- 4.5 Remarks.- 5 Empirical Results.- 5.1 Learning Robot Control.- 5.2 Navigation.- 5.3 Simulation.- 5.4 Approaching and Grasping a Cup.- 5.5 NeuroChess.- 5.6 Remarks.- 6 Discussion.- 6.1 Summary.- 6.2 Open Problems.- 6.3 Related Work.- 6.4 Concluding Remarks.- A An Algorithm for Approximating Values and Slopes with Artificial Neural Networks.- A.1 Definitions.- A.2 Network Forward Propagation.- A.3 Forward Propagation of Auxiliary Gradients.- A.4 Error Functions.- A.5 Minimizing the Value Error.- A.6 Minimizing the Slope Error.- A.7 The Squashing Function and its Derivatives.- A.8 Updating the Network Weights and Biases.- B Proofs of the Theorems.- C Example Chess Games.- C.1 Game 1.- C.2 Game 2.- References.- List of Symbols.