Machine Learning: A Constraint-Based Approach
Maschinelles Lernen: A Constraint-Based Approach, Second Edition bietet dem Leser einen erfrischenden Einblick in die grundlegenden Modelle und Algorithmen des maschinellen Lernens, wobei der Schwerpunkt auf aktuellen Themen wie neuronalen Netzen und Kernelmaschinen liegt.
Das Buch präsentiert die Informationen auf eine wirklich einheitliche Art und Weise, die auf dem Konzept des Lernens aus Umgebungsbedingungen basiert. Es zeichnet einen Weg zu einer tiefgreifenden Integration mit maschinellem Lernen, der auf der Idee beruht, mehrwertige logische Formalismen zu verwenden, wie z.
B. in Fuzzy-Systemen. Besondere Aufmerksamkeit wird dem Deep Learning gewidmet, das gut zu dem in diesem Buch verfolgten, auf Beschränkungen basierenden Ansatz passt.
Das Buch stellt einen einfacheren, einheitlichen Begriff der Regularisierung vor, der eng mit dem Parsimony-Prinzip verbunden ist, und enthält viele gelöste Übungen, die nach dem Schwierigkeitsgrad von Donald Knuth klassifiziert sind, der im Wesentlichen aus einer Mischung von Aufwärmübungen besteht, die zu tieferen Forschungsproblemen führen. Ein Software-Simulator ist ebenfalls enthalten.
| ISBN: | 9780323898591 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 560 |
Derzeit verfügbar, auf Lager.
