Produktbild: Genetic Programming Theory and Practice XVIII

Genetic Programming Theory and Practice XVIII

145,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

12.02.2022

Herausgeber

Wolfgang Banzhaf + weitere

Verlag

Springer Singapore

Seitenzahl

212

Maße (L/B/H)

24,1/16/1,8 cm

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-981-16-8112-7

Beschreibung

Portrait

Wolfgang Banzhaf is a professor in the Department of Computer Science and Engineering at Michigan State University.

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

12.02.2022

Herausgeber

Verlag

Springer Singapore

Seitenzahl

212

Maße (L/B/H)

24,1/16/1,8 cm

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-981-16-8112-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: [email protected]

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: Genetic Programming Theory and Practice XVIII
  • Chapter 1. Finding Simple Solutions to Multi-Task Visual Reinforcement Learning Problems with Tangled Program Graphs.- Chapter 2. Grammar-based Vectorial Genetic Programming for Symbolic Regression.- Chapter 3. Grammatical Evolution Mapping for Semantically-Constrained Genetic Programming.- Chapter 4. What can phylogenetic metrics tell us about useful diversity in evolutionary algorithms?.- Chapter 5. An Exploration of Exploration: Measuring the ability of lexicase

    selection to find obscure pathways to optimality.- Chapter 6. Feature Discovery with Deep Learning Algebra Networks.- Chapter 7. Back To The Future - Revisiting OrdinalGP & Trustable Models After a Decade.- Chapter 8. Fitness First.- Chapter 9. Designing Multiple ANNs with Evolutionary Development: Activity Dependence.- Chapter 10. Evolving and Analyzing modularity with GLEAM (Genetic Learning by Extraction and Absorption of Modules).- Chapter 11. Evolution of the Semiconductor Industry, and the Start of X Law.