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 ed.] نویسندگان: Paolo Santi, Vincent Conitzer, Tuomas Sandholm (auth.), John Shawe-Taylor, Yoram Singer (eds.) سری: Lecture Notes in Computer Science 3120 : Lecture Notes in Artificial Intelligence ISBN (شابک) : 3540222820, 9783540222828 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2004 تعداد صفحات: 654 [656] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Learning Theory: 17th Annual Conference on Learning Theory, COLT 2004, Banff, Canada, July 1-4, 2004. 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: هفدهمین کنفرانس سالانه تئوری یادگیری ، COLT 2004 ، بانف ، کانادا ، 1-4 ژوئیه 2004. 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 هفدهمین کنفرانس سالانه نظریه یادگیری، COLT 2004، برگزار شده در بانف، کانادا در ژوئیه 2004 است.
46 مقاله کامل اصلاح شده ارائه شده با دقت بررسی و انتخاب شدند. در مجموع 113 ارسال مقالات در بخشهای موضوعی در مورد اقتصاد و نظریه بازی، یادگیری آنلاین، استنتاج استقرایی، مدلهای احتمالی، یادگیری تابع بولی، فرآیندهای تجربی، MDL، تعمیم، خوشهبندی و یادگیری توزیع شده، تقویت، هستهها و احتمالات، هستهها و ماتریسهای هسته، و باز کردن مشکلات
This book constitutes the refereed proceedings of the 17th Annual Conference on Learning Theory, COLT 2004, held in Banff, Canada in July 2004.
The 46 revised full papers presented were carefully reviewed and selected from a total of 113 submissions. The papers are organized in topical sections on economics and game theory, online learning, inductive inference, probabilistic models, Boolean function learning, empirical processes, MDL, generalisation, clustering and distributed learning, boosting, kernels and probabilities, kernels and kernel matrices, and open problems.