Algorithmic Learning Theory 17th International Conference, ALT 2006, Barcelona, Spain, October 7-10, 2006, Proceedings
-
- Taschenbuch ausgewählt
- eBook
-
Sprache:Englisch
-
Verlag:Springer Berlin
- Springer 49,99 €
- Springer Berlin 49,99 € ausgewählt
49,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
27.09.2006
Abbildungen
XIII, 393 p.
Herausgeber
José L. Balcázar + weitereVerlag
Springer BerlinSeitenzahl
393
Maße (L/B/H)
23,5/15,5/2,3 cm
Gewicht
622 g
Auflage
2006
Sprache
Englisch
ISBN
978-3-540-46649-9
Editors' Introduction.- Editors' Introduction.- Invited Contributions.- Solving Semi-infinite Linear Programs Using Boosting-Like Methods.- e-Science and the Semantic Web: A Symbiotic Relationship.- Spectral Norm in Learning Theory: Some Selected Topics.- Data-Driven Discovery Using Probabilistic Hidden Variable Models.- Reinforcement Learning and Apprenticeship Learning for Robotic Control.- Regular Contributions.- Learning Unions of ?(1)-Dimensional Rectangles.- On Exact Learning Halfspaces with Random Consistent Hypothesis Oracle.- Active Learning in the Non-realizable Case.- How Many Query Superpositions Are Needed to Learn?.- Teaching Memoryless Randomized Learners Without Feedback.- The Complexity of Learning SUBSEQ (A).- Mind Change Complexity of Inferring Unbounded Unions of Pattern Languages from Positive Data.- Learning and Extending Sublanguages.- Iterative Learning from Positive Data and Negative Counterexamples.- Towards a Better Understanding of Incremental Learning.- On Exact Learning from Random Walk.- Risk-Sensitive Online Learning.- Leading Strategies in Competitive On-Line Prediction.- Hannan Consistency in On-Line Learning in Case of Unbounded Losses Under Partial Monitoring.- General Discounting Versus Average Reward.- The Missing Consistency Theorem for Bayesian Learning: Stochastic Model Selection.- Is There an Elegant Universal Theory of Prediction?.- Learning Linearly Separable Languages.- Smooth Boosting Using an Information-Based Criterion.- Large-Margin Thresholded Ensembles for Ordinal Regression: Theory and Practice.- Asymptotic Learnability of Reinforcement Problems with Arbitrary Dependence.- Probabilistic Generalization of Simple Grammars and Its Application to Reinforcement Learning.- Unsupervised Slow Subspace-Learning fromStationary Processes.- Learning-Related Complexity of Linear Ranking Functions.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für dein Feedback
Wir nutzen dein Feedback, um unsere Produktseiten zu verbessern. Bitte habe Verständnis, dass wir dir keine Rückmeldung geben können. Falls du Kontakt mit uns aufnehmen möchtest, kannst du dich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice