Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig vom 15.06.2026 bis 17.06.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Maximaler rabattfähiger Warenkorbwert 500 € | Nicht kombinierbar mit weiteren Aktionen | Nur einmal pro Person einlösbar | Nur solange der Vorrat reicht

  • Produktbild: Graph-Based Representations in Pattern Recognition
  • Produktbild: Graph-Based Representations in Pattern Recognition
Band 14121

Graph-Based Representations in Pattern Recognition 13th IAPR-TC-15 International Workshop, GbRPR 2023, Vietri sul Mare, Italy, September 6–8, 2023, Proceedings

Aus der Reihe Lecture Notes in Computer Science

55,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.08.2023

Herausgeber

Mario Vento + weitere

Verlag

Springer

Seitenzahl

184

Maße (L/B/H)

23,5/15,5/1,2 cm

Gewicht

312 g

Auflage

1st edition 2023

Sprache

Englisch

ISBN

978-3-031-42794-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.08.2023

Herausgeber

Verlag

Springer

Seitenzahl

184

Maße (L/B/H)

23,5/15,5/1,2 cm

Gewicht

312 g

Auflage

1st edition 2023

Sprache

Englisch

ISBN

978-3-031-42794-7

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: Graph-Based Representations in Pattern Recognition
  • Produktbild: Graph-Based Representations in Pattern Recognition
  • Graph Kernels and Graph Algorithms.- Quadratic Kernel Learning for Interpolation Kernel Machine Based Graph Classification.- Minimum Spanning Set Selection in Graph Kernels.- Graph-based vs. Vector-based Classification: A Fair Comparison.- A Practical Algorithm for Max-Norm Optimal Binary Labeling of Graphs.- Efficient Entropy-based Graph Kernel.- Graph Neural Networks.- GNN-DES: A new end-to-end dynamic ensemble selection method based on multi-label graph neural network.- C2N-ABDP: Cluster-to-Node Attention-based Differentiable Pooling.- Splitting Structural and Semantic Knowledge in Graph Autoencoders

    for Graph Regression.- Graph Normalizing Flows to Pre-image Free Machine Learning for Regression.- Matching-Graphs for Building Classification Ensembles.- Maximal Independent Sets for Pooling in Graph Neural Networks.- Graph-based Representations and Applications.- Detecting Abnormal Communication Patterns in IoT Networks Using Graph Neural Networks.- Cell segmentation of in situ transcriptomics data using signed graph partitioning.- Graph-based representation for multi-image super-resolution.- Reducing the Computational Complexity of the Eccentricity Transform.- Graph-Based Deep Learning on the Swiss River Network.