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: 1 نویسندگان: Jyrki Kivinen, Csaba Szepesvári, Esko Ukkonen, Thomas Zeugmann (auth.), Jyrki Kivinen, Csaba Szepesvári, Esko Ukkonen, Thomas Zeugmann (eds.) سری: Lecture Notes in Computer Science 6925 ISBN (شابک) : 9783642244117, 9783642244124 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2011 تعداد صفحات: 464 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب نظریه یادگیری الگوریتمی: بیست و دومین کنفرانس بین المللی، ALT 2011، اسپو، فنلاند، 5-7 اکتبر 2011. مجموعه مقالات: هوش مصنوعی (شامل رباتیک)، منطق ریاضی و زبانهای رسمی، تجزیه و تحلیل الگوریتم و پیچیدگی مسئله، محاسبات توسط دستگاههای انتزاعی، منطق و معانی برنامهها، کاربردهای سیستمهای اطلاعاتی (شامل بین
در صورت تبدیل فایل کتاب Algorithmic Learning Theory: 22nd International Conference, ALT 2011, Espoo, Finland, October 5-7, 2011. 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 دومین کنفرانس بین المللی، ALT 2011، اسپو، فنلاند، 5-7 اکتبر 2011. 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 دومین کنفرانس بین المللی
نظریه یادگیری الگوریتمی، ALT 2011، برگزار شده در اسپو،
فنلاند، در اکتبر 2011، هم زمان با چهاردهمین کنفرانس بین
المللی علم کشف، DS 2011 است.
28 مقاله کامل اصلاح شده ارائه شده همراه با چکیده 5 سخنرانی
دعوت شده به دقت بررسی و از بین ارسالی های متعدد انتخاب شدند.
مقالات به بخشهای موضوعی مقالات در مورد استنتاج استقرایی،
رگرسیون، مشکلات راهزن، یادگیری آنلاین، روشهای مبتنی بر هسته
و حاشیه، عوامل هوشمند و سایر مدلهای یادگیری تقسیم میشوند.
This book constitutes the refereed proceedings of the 22nd
International Conference on Algorithmic Learning Theory, ALT
2011, held in Espoo, Finland, in October 2011, co-located
with the 14th International Conference on Discovery Science,
DS 2011.
The 28 revised full papers presented together with the
abstracts of 5 invited talks were carefully reviewed and
selected from numerous submissions. The papers are divided
into topical sections of papers on inductive inference,
regression, bandit problems, online learning, kernel and
margin-based methods, intelligent agents and other learning
models.
Front Matter....Pages -
Editors’ Introduction....Pages 1-13
Models for Autonomously Motivated Exploration in Reinforcement Learning....Pages 14-17
On the Expressive Power of Deep Architectures....Pages 18-36
Optimal Estimation....Pages 37-37
Learning from Label Preferences....Pages 38-38
Information Distance and Its Extensions....Pages 39-39
Iterative Learning from Positive Data and Counters....Pages 40-54
Robust Learning of Automatic Classes of Languages....Pages 55-69
Learning and Classifying....Pages 70-83
Learning Relational Patterns....Pages 84-98
Adaptive and Optimal Online Linear Regression on ℓ 1 -Balls....Pages 99-113
Re-adapting the Regularization of Weights for Non-stationary Regression....Pages 114-128
Competing against the Best Nearest Neighbor Filter in Regression....Pages 129-143
Lipschitz Bandits without the Lipschitz Constant....Pages 144-158
Deviations of Stochastic Bandit Regret....Pages 159-173
On Upper-Confidence Bound Policies for Switching Bandit Problems....Pages 174-188
Upper-Confidence-Bound Algorithms for Active Learning in Multi-armed Bandits....Pages 189-203
The Perceptron with Dynamic Margin....Pages 204-218
Combining Initial Segments of Lists....Pages 219-233
Regret Minimization Algorithms for Pricing Lookback Options....Pages 234-248
Making Online Decisions with Bounded Memory....Pages 249-261
Universal Prediction of Selected Bits....Pages 262-276
Semantic Communication for Simple Goals Is Equivalent to On-line Learning....Pages 277-291
Accelerated Training of Max-Margin Markov Networks with Kernels....Pages 292-307
Domain Adaptation in Regression....Pages 308-323
Approximate Reduction from AUC Maximization to 1-Norm Soft Margin Optimization....Pages 324-337
Axioms for Rational Reinforcement Learning....Pages 338-352
Universal Knowledge-Seeking Agents....Pages 353-367
Asymptotically Optimal Agents....Pages 368-382
Time Consistent Discounting....Pages 383-397
Distributional Learning of Simple Context-Free Tree Grammars....Pages 398-412
On Noise-Tolerant Learning of Sparse Parities and Related Problems....Pages 413-424
Supervised Learning and Co-training....Pages 425-439
Learning a Classifier when the Labeling Is Known....Pages 440-451
Erratum: Learning without Coding....Pages 452-452
Back Matter....Pages -