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: Nader H. Bshouty, Gilles Stoltz, Nicolas Vayatis, Thomas Zeugmann (auth.), Nader H. Bshouty, Gilles Stoltz, Nicolas Vayatis, Thomas Zeugmann (eds.) سری: Lecture Notes in Computer Science 7568 ISBN (شابک) : 9783642341052, 9783642341069 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2012 تعداد صفحات: 390 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 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 سومین کنفرانس بین المللی، ALT 2012، لیون، فرانسه، 29-31 اکتبر 2012. مجموعه مقالات: هوش مصنوعی (شامل رباتیک)، منطق ریاضی و زبانهای رسمی، تحلیل الگوریتم و پیچیدگی مسئله، محاسبات با دستگاههای انتزاعی، منطق و معانی برنامهها، تشخیص الگو
در صورت تبدیل فایل کتاب Algorithmic Learning Theory: 23rd International Conference, ALT 2012, Lyon, France, October 29-31, 2012. 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 سومین کنفرانس بین المللی، ALT 2012، لیون، فرانسه، 29-31 اکتبر 2012. 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 سومین کنفرانس بین المللی نظریه یادگیری الگوریتمی، ALT 2012، در لیون، فرانسه، در اکتبر 2012 برگزار شد. این کنفرانس همزمان با پانزدهمین کنفرانس بین المللی علم اکتشاف برگزار شد. , DS 2012. 23 مقاله کامل و 5 سخنرانی دعوت شده ارائه شده به دقت بررسی و از بین 47 مورد ارسالی انتخاب شدند. مقالات در بخشهای موضوعی در مورد استنتاج استقرایی، آموزش و یادگیری PAC، نظریه و طبقهبندی یادگیری آماری، روابط بین مدلها و دادهها، مشکلات راهزن، پیشبینی آنلاین توالیهای فردی، و سایر مدلهای یادگیری آنلاین سازماندهی شدهاند.
This book constitutes the refereed proceedings of the 23rd International Conference on Algorithmic Learning Theory, ALT 2012, held in Lyon, France, in October 2012. The conference was co-located and held in parallel with the 15th International Conference on Discovery Science, DS 2012. The 23 full papers and 5 invited talks presented were carefully reviewed and selected from 47 submissions. The papers are organized in topical sections on inductive inference, teaching and PAC learning, statistical learning theory and classification, relations between models and data, bandit problems, online prediction of individual sequences, and other models of online learning.
Front Matter....Pages -
Editors’ Introduction....Pages 1-11
Declarative Modeling for Machine Learning and Data Mining....Pages 12-12
Learnability beyond Uniform Convergence....Pages 13-16
Some Rates of Convergence for the Selected Lasso Estimator....Pages 17-33
Recent Developments in Pattern Mining....Pages 34-34
Exploring Sequential Data....Pages 35-35
The Safe Bayesian....Pages 169-183
Data Stability in Clustering: A Closer Look....Pages 184-198
Thompson Sampling: An Asymptotically Optimal Finite-Time Analysis....Pages 199-213
Regret Bounds for Restless Markov Bandits....Pages 214-228
Minimax Number of Strata for Online Stratified Sampling Given Noisy Samples....Pages 229-244
Enlarging Learnable Classes....Pages 36-50
Confident and Consistent Partial Learning of Recursive Functions....Pages 51-65
Automatic Learning from Positive Data and Negative Counterexamples....Pages 66-80
Regular Inference as Vertex Coloring....Pages 81-95
Sauer’s Bound for a Notion of Teaching Complexity....Pages 96-110
On the Learnability of Shuffle Ideals....Pages 111-123
New Analysis and Algorithm for Learning with Drifting Distributions....Pages 124-138
On the Hardness of Domain Adaptation and the Utility of Unlabeled Target Samples....Pages 139-153
Efficient Protocols for Distributed Classification and Optimization....Pages 154-168
Weighted Last-Step Min-Max Algorithm with Improved Sub-logarithmic Regret....Pages 245-259
Online Prediction under Submodular Constraints....Pages 260-274
Lower Bounds on Individual Sequence Regret....Pages 275-289
A Closer Look at Adaptive Regret....Pages 290-304
Partial Monitoring with Side Information....Pages 305-319
PAC Bounds for Discounted MDPs....Pages 320-334
Buy Low, Sell High....Pages 335-349
Kernelization of Matrix Updates, When and How?....Pages 350-364
Predictive Complexity and Generalized Entropy Rate of Stationary Ergodic Processes....Pages 365-379
Back Matter....Pages -