Computational Learning Theory
Sorozatcím: Cambridge Tracts in Theoretical Computer Science; 30;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 44.00
-
22 268 Ft (21 208 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 4 454 Ft off)
- Kedvezményes ár 17 815 Ft (16 966 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
22 268 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma New ed
- Kiadó Cambridge University Press
- Megjelenés dátuma 1997. február 27.
- ISBN 9780521599221
- Kötéstípus Puhakötés
- Terjedelem172 oldal
- Méret 244x170x9 mm
- Súly 290 g
- Nyelv angol 0
Kategóriák
Rövid leírás:
This an introduction to the theory of computational learning.
TöbbHosszú leírás:
Computational learning theory is a subject which has been advancing rapidly in the last few years. The authors concentrate on the probably approximately correct model of learning, and gradually develop the ideas of efficiency considerations. Finally, applications of the theory to artificial neural networks are considered. Many exercises are included throughout, and the list of references is extensive. This volume is relatively self contained as the necessary background material from logic, probability and complexity theory is included. It will therefore form an introduction to the theory of computational learning, suitable for a broad spectrum of graduate students from theoretical computer science and mathematics.
TöbbTartalomjegyzék:
1. Concepts, hypotheses, learning algorithms; 2. Boolean formulae and representations; 3. Probabilistic learning; 4. Consistent algorithms and learnability; 5. Efficient learning I; 6. Efficient learning II; 7. The VC dimension; 8. Learning and the VC dimension; 9. VC dimension and efficient learning; 10. Linear threshold networks.
Több
