Meta-Learning in Computational Intelligence
Sorozatcím: Studies in Computational Intelligence; 358;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 235.39
-
97 628 Ft (92 979 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. 19 526 Ft off)
- Kedvezményes ár 78 102 Ft (74 383 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
97 628 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
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 2011
- Kiadó Springer Berlin Heidelberg
- Megjelenés dátuma 2011. június 10.
- Kötetek száma 1 pieces, Book
- ISBN 9783642209796
- Kötéstípus Keménykötés
- Terjedelem359 oldal
- Méret 235x155 mm
- Súly 791 g
- Nyelv angol
- Illusztrációk IX, 359 p. Illustrations, black & white 0
Kategóriák
Hosszú leírás:
Computational Intelligence (CI) community has developed hundreds of algorithms for intelligent data analysis, but still many hard problems in computer vision, signal processing or text and multimedia understanding, problems that require deep learning techniques, are open.
Modern data mining packages contain numerous modules for data acquisition, pre-processing, feature selection and construction, instance selection, classification, association and approximation methods, optimization techniques, pattern discovery, clusterization, visualization and post-processing. A large data mining package allows for billions of ways in which these modules can be combined. No human expert can claim to explore and understand all possibilities in the knowledge discovery process.
This is where algorithms that learn how to learnl come to rescue.
Operating in the space of all available data transformations and optimization techniques these algorithms use meta-knowledge about learning processes automatically extracted from experience of solving diverse problems. Inferences about transformations useful in different contexts help to construct learning algorithms that can uncover various aspects of knowledge hidden in the data. Meta-learning shifts the focus of the whole CI field from individual learning algorithms to the higher level of learning how to learn.
This book defines and reveals new theoretical and practical trends in meta-learning, inspiring the readers to further research in this exciting field.
Tartalomjegyzék:
Universal meta-learning
architecture and algorithms.-
Meta-learning of instance
selection for data
summarization.-
Choosing the metric: a simple
model approach.-
Meta-learning Architectures:
Collecting, Organizing and
Exploiting Meta-knowledge.-
Computational intelligence for
meta-learning: a promising
avenue of research.-
Self-organization of supervised
models.-
Selecting Machine Learning
Algorithms Using the Ranking
Meta-Learning Approach.-
A Meta-Model Perspective and
Attribute Grammar Approach to
Facilitating the Development of
Novel Neural Network Models.-
Ontology-Based Meta-Mining
of Knowledge Discovery
Workflows.-
Optimal Support Features for
Meta-learning.
Több
The Return of the Grey Partridge: Restoring Nature on the South Downs
9 555 Ft
8 122 Ft
Creative Problem Solving: Total Systems Intervention
9 550 Ft
8 595 Ft
