Learning Theory
An Approximation Theory Viewpoint
Sorozatcím: Cambridge Monographs on Applied and Computational Mathematics; 24;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 78.00
-
37 264 Ft (35 490 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. 7 453 Ft off)
- Kedvezményes ár 29 812 Ft (28 392 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
37 264 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:
- Kiadó Cambridge University Press
- Megjelenés dátuma 2007. március 29.
- ISBN 9780521865593
- Kötéstípus Keménykötés
- Terjedelem238 oldal
- Méret 231x160x17 mm
- Súly 360 g
- Nyelv angol
- Illusztrációk 20 b/w illus. 0
Kategóriák
Rövid leírás:
A general overview of theoretical foundations; the first book to emphasize the approximation theory viewpoint.
TöbbHosszú leírás:
The goal of learning theory is to approximate a function from sample values. To attain this goal learning theory draws on a variety of diverse subjects, specifically statistics, approximation theory, and algorithmics. Ideas from all these areas blended to form a subject whose many successful applications have triggered a rapid growth during the last two decades. This is the first book to give a general overview of the theoretical foundations of the subject emphasizing the approximation theory, while still giving a balanced overview. It is based on courses taught by the authors, and is reasonably self-contained so will appeal to a broad spectrum of researchers in learning theory and adjacent fields. It will also serve as an introduction for graduate students and others entering the field, who wish to see how the problems raised in learning theory relate to other disciplines.
'The book is well suited for its target audience, which includes researchers and graduate students. They will, no doubt, be reassured to find that each chapter closes with a collection of references and additional remarks, which place the preceding information in a wider context. ... Overall, this text is another excellent addition to the Applied and Computational Mathematics series published by Cambridge University Press. It complements other titles in the series without duplicating material and should be of value to anyone interested in learning theory or a neighbouring field.' Mathematics Today
Tartalomjegyzék:
Preface; Foreword; 1. The framework of learning; 2. Basic hypothesis spaces; 3. Estimating the sample error; 4. Polynomial decay approximation error; 5. Estimating covering numbers; 6. Logarithmic decay approximation error; 7. On the bias-variance problem; 8. Regularization; 9. Support vector machines for classification; 10. General regularized classifiers; Bibliography; Index.
Több
