Learning with Recurrent Neural Networks: Lecture Notes in Control and Information Sciences, cartea 254
Autor Barbara Hammeren Limba Engleză Paperback – 30 mai 2000
Din seria Lecture Notes in Control and Information Sciences
- 20% Preț: 318.80 lei
- 15% Preț: 600.10 lei
- 18% Preț: 909.22 lei
- 15% Preț: 659.30 lei
- 18% Preț: 907.11 lei
- 18% Preț: 741.09 lei
- 18% Preț: 847.18 lei
- 18% Preț: 1052.54 lei
- 20% Preț: 328.86 lei
- 11% Preț: 468.55 lei
- 20% Preț: 622.48 lei
- Preț: 367.42 lei
- Preț: 377.11 lei
- Preț: 359.95 lei
- Preț: 374.01 lei
- Preț: 370.36 lei
- 15% Preț: 608.61 lei
- 15% Preț: 614.03 lei
- Preț: 361.60 lei
- Preț: 365.41 lei
- 15% Preț: 607.69 lei
- 15% Preț: 662.35 lei
- 20% Preț: 316.22 lei
- Preț: 359.79 lei
- Preț: 484.98 lei
- Preț: 370.16 lei
- Preț: 401.50 lei
- Preț: 372.52 lei
- Preț: 362.32 lei
- 18% Preț: 698.31 lei
- Preț: 371.81 lei
- 15% Preț: 611.24 lei
- 15% Preț: 604.28 lei
- Preț: 363.41 lei
- Preț: 376.74 lei
- Preț: 385.82 lei
- Preț: 385.46 lei
- Preț: 364.90 lei
- Preț: 367.05 lei
- Preț: 367.05 lei
- Preț: 374.01 lei
- Preț: 370.50 lei
- Preț: 363.59 lei
- Preț: 375.82 lei
- Preț: 362.88 lei
- Preț: 375.26 lei
- Preț: 364.90 lei
- Preț: 364.33 lei
- Preț: 361.60 lei
- Preț: 366.15 lei
Preț: 360.68 lei
Nou
Puncte Express: 541
Preț estimativ în valută:
69.07€ • 74.71$ • 57.55£
69.07€ • 74.71$ • 57.55£
Carte tipărită la comandă
Livrare economică 11-25 decembrie
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9781852333430
ISBN-10: 185233343X
Pagini: 164
Ilustrații: 150 p.
Dimensiuni: 155 x 235 x 9 mm
Greutate: 0.24 kg
Ediția:2000
Editura: SPRINGER LONDON
Colecția Springer
Seria Lecture Notes in Control and Information Sciences
Locul publicării:London, United Kingdom
ISBN-10: 185233343X
Pagini: 164
Ilustrații: 150 p.
Dimensiuni: 155 x 235 x 9 mm
Greutate: 0.24 kg
Ediția:2000
Editura: SPRINGER LONDON
Colecția Springer
Seria Lecture Notes in Control and Information Sciences
Locul publicării:London, United Kingdom
Public țintă
Professional/practitionerCuprins
Introduction, Recurrent and Folding Networks: Definitions, Training, Background, Applications.- Approximation Ability: Foundationa, Approximation in Probability, Approximation in the Maximum Norm, Discussions and Open Questions.- Learnability: The Learning Scenario, PAC Learnability, Bounds on the VC-dimension of Folding Networks, Consquences for Learnability, Lower Bounds for the LRAAM, Discussion and Open Questions.- Complexity: The Loading Problem, The Perceptron Case, The Sigmoidal Case, Discussion and Open Questions.- Conclusion.
Caracteristici
The book details a new approach which enables neural networks to deal with symbolic data, folding networks It presents both practical applications and a precise theoretical foundation