This book presents studies involving algorithms in the machine learning paradigms. It discusses a variety of learning problems with diverse applications, including prediction, concept learning, explanation-based learning, case-based (exemplar-based) learning, statistical rule-based learning, feature extraction-based learning, optimization-based learning, quantum-inspired learning, multi-criteria-based learning and hybrid intelligence-based learning.
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
С этой публикацией часто скачивают:
Machine Learning for Beginners: Easy Guide Book Название: Machine Learning for Beginners: Easy Guide Book Автор: Jerry N.P. Издательство: Amazon Digital Services LLC Год: 2017 Страниц: 53 ...
Lie Group Machine Learning Название: Lie Group Machine Learning Автор: Fanzhang Li Издательство: de Gruyter Год: 2019 Страниц: 533 Формат: PDF Размер: 14 Mb Язык: English This...
Machine Learning Paradigms: Theory and Application Название: Machine Learning Paradigms: Theory and Application Автор: Aboul Ella Hassanien Издательство: Springer Год: 2019 Страниц: 474 Формат: PDF,...
Source Separation and Machine Learning Название: Source Separation and Machine Learning Автор: Jen-Tzung Chien Издательство: Academic Press Год: 2019 Страниц: 384 Формат: PDF Размер: 12 Mb...
Навигация
Вход на сайт
Реклама
Algorithms in Machine Learning Paradigms 
