دانلود کتاب Intelligent Data Engineering and Automated Learning — IDEAL 2000. Data Mining, Financial Engineering, and Intelligent Agents: Second International Conference Shatin, N.T., Hong Kong, China, December 13–15, 2000 Proceedings (به فارسی: مهندسی داده هوشمند و یادگیری خودکار — IDEAL 2000. داده کاوی، مهندسی مالی، و عوامل هوشمند: دومین کنفرانس بین المللی Shatin، N.T.، هنگ کنگ، چین، 13-15 دسامبر، مجموعه مقالات 2000) نوشته شده توسط «Janne Sinkkonen – Samuel Kaski (auth.) – Kwong Sak Leung – Lai-Wan Chan – Helen Meng (eds.)»
اطلاعات کتاب مهندسی داده هوشمند و یادگیری خودکار — IDEAL 2000. داده کاوی، مهندسی مالی، و عوامل هوشمند: دومین کنفرانس بین المللی Shatin، N.T.، هنگ کنگ، چین، 13-15 دسامبر، مجموعه مقالات 2000
موضوع اصلی: تحصیلات
نوع: کتاب الکترونیکی
ناشر: Springer-Verlag Berlin Heidelberg
نویسنده: Janne Sinkkonen – Samuel Kaski (auth.) – Kwong Sak Leung – Lai-Wan Chan – Helen Meng (eds.)
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2000
تعداد صفحه: 580
حجم کتاب: 13 مگابایت
کد کتاب: 3540414509 , 9783540414506
نوبت چاپ: 1
توضیحات کتاب مهندسی داده هوشمند و یادگیری خودکار — IDEAL 2000. داده کاوی، مهندسی مالی، و عوامل هوشمند: دومین کنفرانس بین المللی Shatin، N.T.، هنگ کنگ، چین، 13-15 دسامبر، مجموعه مقالات 2000
X فهرست مطالب فهرست مطالب XI XII فهرست مطالب فهرست مطالب XIII XIV فهرست مطالب فهرست مطالب XV XVI فهرست مطالب K.S. لئونگ، L.-W. چان، و اچ. منگ (ویرایشات): IDEAL 2000، LNCS 1983، pp. 3›8، 2000. Springer-Verlag Berlin Heidelberg 2000 4 J. Sinkkonen and S. Kaski Clustering by Similarity in an Auxiliary Space 5 J6. Sinkkonen and S. Kaski خوشه بندی بر اساس شباهت در یک فضای کمکی 7 0.6 1.5 0.4 1 0.2 0.5 0 0 10 100 1000 10000 10 100 1000 اطلاعات متقابل کاکائو (بیت ها) اطلاعات متقابل (bits. 0.1 0.3 0.5 0.7 اطلاعات متقابل (میت) تجزیه و تحلیل در مورد یادگیری رقابتی نوع لوتو تعمیم یافته اندرو لوک سنت B&P Neural Investments Pty Limited، استرالیا چکیده، در الگوریتم یادگیری رقابتی نوع لوتو تعمیم یافته بیش از یک برنده وجود دارد. برندگان به تعدادی ردیف (یا بخش) تقسیم می شوند که به هر ردیف پاداش متفاوتی داده می شود. همه بازنده ها جریمه می شوند (که می تواند به طور مساوی یا متفاوت باشد). به منظور مطالعه ویژگی های مختلف یادگیری رقابتی تعمیم یافته از نوع لوتو، مجموعه ای از معادلات، که بر عملیات آن حاکم است، فرموله شده است. سپس برای تجزیه و تحلیل پایداری و سایر ویژگی‌های پویای یادگیری رقابتی تعمیم‌یافته از نوع لوتو استفاده می‌شود.
X Table of Contents Table of Contents XI XII Table of Contents Table of Contents XIII XIV Table of Contents Table of Contents XV XVI Table of Contents K.S. Leung, L.-W. Chan, and H. Meng (Eds.): IDEAL 2000, LNCS 1983, pp. 3›8, 2000. Springer-Verlag Berlin Heidelberg 2000 4 J. Sinkkonen and S. Kaski Clustering by Similarity in an Auxiliary Space 5 6 J. Sinkkonen and S. Kaski Clustering by Similarity in an Auxiliary Space 7 0.6 1.5 0.4 1 0.2 0.5 0 0 10 100 1000 10000 10 100 1000 Mutual information (bits) Mutual information (bits) 8 J. Sinkkonen and S. Kaski 20 10 0 0.1 0.3 0.5 0.7 Mutual information (mbits) Analyses on the Generalised Lotto-Type Competitive Learning Andrew Luk St B&P Neural Investments Pty Limited, Australia Abstract, In generalised lotto-type competitive learning algorithm more than one winner exist. The winners are divided into a number of tiers (or divisions), with each tier being rewarded differently. All the losers are penalised (which can be equally or differently). In order to study the various properties of the generalised lotto-type competitive learning, a set of equations, which governs its operations, is formulated. This is then used to analyse the stability and other dynamic properties of the generalised lotto-type competitive learning.
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.