دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st Edition. نویسندگان: Marcus Hutter, Frank Stephan, Vladimir Vovk, Thomas Zeugmann سری: Lecture Notes in Artificial Intelligence 6331 ISBN (شابک) : 3642161073, 9783642161070 ناشر: Springer سال نشر: 2010 تعداد صفحات: 434 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Algorithmic Learning Theory: 21st International Conference, ALT 2010, Canberra, Australia, October 6-8, 2010. Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب نظریه یادگیری الگوریتمی: بیست و یکمین کنفرانس بین المللی ، ALT 2010 ، کانبرا ، استرالیا ، 6-8 اکتبر 2010. مجموعه مقالات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعه مقالات داوری بیست و یکمین کنفرانس بینالمللی نظریه یادگیری الگوریتمی، ALT 2010، برگزار شده در کانبرا، استرالیا، در اکتبر 2010، همزمان با سیزدهمین کنفرانس بینالمللی علوم اکتشاف، DS 2010 است. 26 مقاله اصلاح شده کامل ارائه شده است به همراه چکیده 5 سخنرانی دعوت شده به دقت بررسی و از بین 44 مورد ارسالی انتخاب شد. مقالات به بخش های موضوعی مقالات در مورد یادگیری آماری تقسیم می شوند. استنتاج دستوری و یادگیری نمودار. احتمالاً یادگیری تقریباً صحیح یادگیری پرس و جو و آموزش الگوریتمی؛ یادگیری آنلاین؛ استنتاج استقرایی; یادگیری تقویتی؛ و روش های یادگیری آنلاین و هسته.
This book constitutes the refereed proceedings of the 21th International Conference on Algorithmic Learning Theory, ALT 2010, held in Canberra, Australia, in October 2010, co-located with the 13th International Conference on Discovery Science, DS 2010. The 26 revised full papers presented together with the abstracts of 5 invited talks were carefully reviewed and selected from 44 submissions. The papers are divided into topical sections of papers on statistical learning; grammatical inference and graph learning; probably approximately correct learning; query learning and algorithmic teaching; on-line learning; inductive inference; reinforcement learning; and on-line learning and kernel methods.
Front Matter....Pages -
Editors’ Introduction....Pages 1-10
Towards General Algorithms for Grammatical Inference....Pages 11-30
The Blessing and the Curse of the Multiplicative Updates....Pages 31-31
Discovery of Abstract Concepts by a Robot....Pages 32-32
Contrast Pattern Mining and Its Application for Building Robust Classifiers....Pages 33-33
Optimal Online Prediction in Adversarial Environments....Pages 34-34
A Lower Bound for Learning Distributions Generated by Probabilistic Automata....Pages 179-193
Lower Bounds on Learning Random Structures with Statistical Queries....Pages 194-208
Recursive Teaching Dimension, Learning Complexity, and Maximum Classes....Pages 209-223
Toward a Classification of Finite Partial-Monitoring Games....Pages 224-238
An Algorithm for Iterative Selection of Blocks of Features....Pages 35-49
Bayesian Active Learning Using Arbitrary Binary Valued Queries....Pages 50-58
Approximation Stability and Boosting....Pages 59-73
A Spectral Approach for Probabilistic Grammatical Inference on Trees....Pages 74-88
PageRank Optimization in Polynomial Time by Stochastic Shortest Path Reformulation....Pages 89-103
Inferring Social Networks from Outbreaks....Pages 104-118
Distribution-Dependent PAC-Bayes Priors....Pages 119-133
PAC Learnability of a Concept Class under Non-atomic Measures: A Problem by Vidyasagar....Pages 134-147
A PAC-Bayes Bound for Tailored Density Estimation....Pages 148-162
Compressed Learning with Regular Concept....Pages 163-178
Switching Investments....Pages 239-254
Prediction with Expert Advice under Discounted Loss....Pages 255-269
A Regularization Approach to Metrical Task Systems....Pages 270-284
Solutions to Open Questions for Non-U-Shaped Learning with Memory Limitations....Pages 285-299
Learning without Coding....Pages 300-314
Learning Figures with the Hausdorff Metric by Fractals....Pages 315-329
Inductive Inference of Languages from Samplings....Pages 330-344
Optimality Issues of Universal Greedy Agents with Static Priors....Pages 345-359
Consistency of Feature Markov Processes....Pages 360-374
Algorithms for Adversarial Bandit Problems with Multiple Plays....Pages 375-389
Online Multiple Kernel Learning: Algorithms and Mistake Bounds....Pages 390-404
An Identity for Kernel Ridge Regression....Pages 405-419
Back Matter....Pages -