Online Learning and Adaptive Filters

Online Learning and Adaptive Filters

 
Kiadó: Cambridge University Press
Megjelenés dátuma:
 
Normál ár:

Kiadói listaár:
GBP 79.99
Becsült forint ár:
38 635 Ft (36 795 Ft + 5% áfa)
Miért becsült?
 
Az Ön ára:

34 771 (33 116 Ft + 5% áfa )
Kedvezmény(ek): 10% (kb. 3 864 Ft)
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
Kattintson ide a feliratkozáshoz
 
Beszerezhetőség:

Becsült beszerzési idő: Általában 3-5 hét.
A Prosperónál jelenleg nincsen raktáron.
Nem tudnak pontosabbat?
 
  példányt

 
 
 
 
A termék adatai:

ISBN13:9781108842129
ISBN10:1108842127
Kötéstípus:Keménykötés
Terjedelem:300 oldal
Méret:251x175x19 mm
Súly:630 g
Nyelv:angol
585
Témakör:
Rövid leírás:

Discover up-to-date techniques and algorithms in this concise, intuitive text, with extensive solutions for challenging learning problems.

Hosszú leírás:
Learn to solve the unprecedented challenges facing Online Learning and Adaptive Signal Processing in this concise, intuitive text. The ever-increasing amount of data generated every day requires new strategies to tackle issues such as: combining data from a large number of sensors; improving spectral usage, utilizing multiple-antennas with adaptive capabilities; or learning from signals placed on graphs, generating unstructured data. Solutions to all of these and more are described in a condensed and unified way, enabling you to expose valuable information from data and signals in a fast and economical way. The up-to-date techniques explained here can be implemented in simple electronic hardware, or as part of multi-purpose systems. Also featuring alternative explanations for online learning, including newly developed methods and data selection, and several easily implemented algorithms, this one-of-a-kind book is an ideal resource for graduate students, researchers, and professionals in online learning and adaptive filtering.
Tartalomjegyzék:
1. Introduction; 2. Adaptive filtering for sparse models; 3. Kernel
-based adaptive filtering; 4. Distributed adaptive filters; 5. Adaptive beamforming; 6. Adaptive filtering on graphs.