1 option
Maschinelles Lernen.
- Format:
- Book
- Author/Creator:
- Alpaydin, Ethem.
- Series:
- De Gruyter Studium
- Language:
- German
- Subjects (All):
- Machine learning.
- Physical Description:
- 1 online resource (722 pages)
- Edition:
- 3rd ed.
- Place of Publication:
- Berlin/München/Boston : Walter de Gruyter GmbH, 2019.
- Summary:
- Machine learning means artificially generating knowledge from experience. This book discusses methods from the fields of statistics and pattern recognition, and combines various approaches to find efficient solutions. This edition contains a new chapter about deep learning and provides additional information about multilayer perceptrons and reinforcement learning. There is also a new section on generative adversarial networks.
- Maschinelles Lernen ist die künstliche Generierung von Wissen aus Erfahrung. Dieses Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung und kombiniert die unterschiedlichen Ansätze, um effiziente Lösungen zu finden. Diese Auflage bietet ein neues Kapitel über Deep Learning und erweitert die Inhalte über mehrlagige Perzeptrone und bestärkendes Lernen. Eine neue Sektion über erzeugende gegnerische Netzwerke ist ebenfalls dabei.
- Contents:
- Frontmatter
- Inhaltsverzeichnis
- Vorwort
- Notationen
- 1 Einführung
- 2 Überwachtes Lernen
- 3 Bayessche Entscheidungstheorie
- 4 Parametrische Methoden
- 5 Multivariate Methoden
- 6 Dimensionalitätsreduktion
- 7 Clusteranalyse
- 8 Nichtparametrische Methoden
- 9 Entscheidungsbäume
- 10 Lineare Diskriminanz
- 11 Mehrlagige Perzeptronen
- 12 Tiefes Lernen
- 13 Lokale Modelle
- 14 Kernel-Maschinen
- 15 Graphenmodelle
- 16 Hidden-Markov-Modelle
- 17 Bayessche Schätzung
- 18 Kombination mehrerer Lerner
- 19 Bestärkendes Lernen
- 20 Experimente mit maschinellem Lernen
- A Wahrscheinlichkeit
- B Lineare Algebra
- C Optimierung
- Index
- Notes:
- Description based on publisher supplied metadata and other sources.
- Other Format:
- Print version: Alpaydin, Ethem Maschinelles Lernen
- ISBN:
- 3-11-074019-2
- OCLC:
- 1290485081
The Penn Libraries is committed to describing library materials using current, accurate, and responsible language. If you discover outdated or inaccurate language, please fill out this feedback form to report it and suggest alternative language.