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: Kamalika Chaudhuri, CLAUDIO GENTILE, Sandra Zilles (eds.) سری: Lecture Notes in Computer Science 9355 ISBN (شابک) : 9783319244853, 9783319244860 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 405 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 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 ششمین کنفرانس بین المللی ، ALT 2015 ، بانف ، AB ، کانادا ، 4-6 اکتبر 2015 ، مجموعه مقالات: هوش مصنوعی (شامل رباتیک)، نظریه محاسبات، داده کاوی و کشف دانش، تشخیص الگو
در صورت تبدیل فایل کتاب Algorithmic Learning Theory: 26th International Conference, ALT 2015, Banff, AB, Canada, October 4-6, 2015, 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 ششمین کنفرانس بین المللی ، ALT 2015 ، بانف ، AB ، کانادا ، 4-6 اکتبر 2015 ، 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 بیست و ششمین کنفرانس بینالمللی نظریه یادگیری الگوریتمی، ALT 2015 است که در بانف، AB، کانادا، در اکتبر 2015 برگزار شد و با هجدهمین کنفرانس بینالمللی علوم اکتشاف، DS برگزار شد. 2015. 23 مقاله کامل ارائه شده در این جلد به دقت بررسی و از بین 44 مقاله ارسالی انتخاب شدند. علاوه بر این، کتاب شامل 2 مقاله کامل است که خلاصه ای از سخنرانی های دعوت شده و 2 چکیده از سخنرانی های دعوت شده را نشان می دهد. مقالات در بخش های موضوعی با نام های: استنتاج استقرایی سازماندهی شده اند. یادگیری از پرس و جو، پیچیدگی آموزش. تئوری و الگوریتم های یادگیری محاسباتی؛ نظریه یادگیری آماری و پیچیدگی نمونه؛ یادگیری آنلاین، بهینه سازی تصادفی؛ و پیچیدگی کلموگروف، نظریه اطلاعات الگوریتمی.
This book constitutes the proceedings of the 26th International Conference on Algorithmic Learning Theory, ALT 2015, held in Banff, AB, Canada, in October 2015, and co-located with the 18th International Conference on Discovery Science, DS 2015. The 23 full papers presented in this volume were carefully reviewed and selected from 44 submissions. In addition the book contains 2 full papers summarizing the invited talks and 2 abstracts of invited talks. The papers are organized in topical sections named: inductive inference; learning from queries, teaching complexity; computational learning theory and algorithms; statistical learning theory and sample complexity; online learning, stochastic optimization; and Kolmogorov complexity, algorithmic information theory.
Front Matter....Pages I-XVII
Front Matter....Pages 1-1
Efficient Matrix Sensing Using Rank-1 Gaussian Measurements....Pages 3-18
Tensor Decompositions for Learning Latent Variable Models (A Survey for ALT)....Pages 19-38
Front Matter....Pages 39-39
Priced Learning....Pages 41-55
Combining Models of Approximation with Partial Learning....Pages 56-70
Front Matter....Pages 71-71
Exact Learning of Multivalued Dependencies....Pages 73-88
Non-adaptive Learning of a Hidden Hypergraph....Pages 89-101
On the Teaching Complexity of Linear Sets....Pages 102-116
Front Matter....Pages 117-117
Learning a Random DFA from Uniform Strings and State Information....Pages 119-133
Hierarchical Design of Fast Minimum Disagreement Algorithms....Pages 134-148
Learning with a Drifting Target Concept....Pages 149-164
Interactive Clustering of Linear Classes and Cryptographic Lower Bounds....Pages 165-176
Front Matter....Pages 177-177
On the Rademacher Complexity of Weighted Automata....Pages 179-193
Multi-task and Lifelong Learning of Kernels....Pages 194-208
Permutational Rademacher Complexity....Pages 209-223
Subsampling in Smoothed Range Spaces....Pages 224-238
Information Preserving Dimensionality Reduction....Pages 239-253
Learning with Deep Cascades....Pages 254-269
Bounds on the Minimax Rate for Estimating a Prior over a VC Class from Independent Learning Tasks....Pages 270-284
Front Matter....Pages 285-285
Scale-Free Algorithms for Online Linear Optimization....Pages 287-301
Online Learning in Markov Decision Processes with Continuous Actions....Pages 302-316
Front Matter....Pages 285-285
Adaptive Sampling for Incremental Optimization Using Stochastic Gradient Descent....Pages 317-331
Online Linear Optimization for Job Scheduling Under Precedence Constraints....Pages 332-346
Front Matter....Pages 347-347
Solomonoff Induction Violates Nicod’s Criterion....Pages 349-363
On the Computability of Solomonoff Induction and Knowledge-Seeking....Pages 364-378
Two Problems for Sophistication....Pages 379-394
Back Matter....Pages 395-395