دانلود کتاب نظریه یادگیری الگوریتمی: بیست و سومین کنفرانس بین المللی، ALT 2012، لیون، فرانسه، 29-31 اکتبر 2012. مجموعه مقالات بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Algorithmic Learning Theory: 23rd International Conference, ALT 2012, Lyon, France, October 29-31, 2012. Proceedings
ویرایش : 1
عنوان ترجمه شده به فارسی : نظریه یادگیری الگوریتمی: بیست و سومین کنفرانس بین المللی، ALT 2012، لیون، فرانسه، 29-31 اکتبر 2012. مجموعه مقالات
سری : Lecture Notes in Computer Science 7568
نویسندگان : Nader H. Bshouty, Gilles Stoltz, Nicolas Vayatis, Thomas Zeugmann (auth.), Nader H. Bshouty, Gilles Stoltz, Nicolas Vayatis, Thomas Zeugmann (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2012
تعداد صفحات : 390
ISBN (شابک) : 9783642341052 , 9783642341069
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب مجموعه مقالات داوری بیست و سومین کنفرانس بینالمللی نظریه یادگیری الگوریتمی، ALT 2012، در لیون، فرانسه، در اکتبر 2012 است. این کنفرانس همزمان با پانزدهمین کنفرانس بینالمللی علم اکتشاف برگزار شد. , DS 2012. 23 مقاله کامل و 5 سخنرانی دعوت شده ارائه شده به دقت بررسی و از بین 47 مورد ارسالی انتخاب شدند. مقالات در بخشهای موضوعی در مورد استنتاج استقرایی، آموزش و یادگیری PAC، نظریه و طبقهبندی یادگیری آماری، روابط بین مدلها و دادهها، مشکلات راهزن، پیشبینی آنلاین توالیهای فردی، و سایر مدلهای یادگیری آنلاین سازماندهی شدهاند.
This book constitutes the refereed proceedings of the 23rd International Conference on Algorithmic Learning Theory, ALT 2012, held in Lyon, France, in October 2012. The conference was co-located and held in parallel with the 15th International Conference on Discovery Science, DS 2012. The 23 full papers and 5 invited talks presented were carefully reviewed and selected from 47 submissions. The papers are organized in topical sections on inductive inference, teaching and PAC learning, statistical learning theory and classification, relations between models and data, bandit problems, online prediction of individual sequences, and other models of online learning.