KI-Beratung Beta

Gutscheinbedingungen

**Gültig vom 02.11.2026 bis 04.11.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf www.bücher.de einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services

  • Produktbild: Feature Learning and Understanding
  • Produktbild: Feature Learning and Understanding

Feature Learning and Understanding Algorithms and Applications

134,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.04.2021

Abbildungen

XIV, 291 p. 126 illus., 109 illus. in color.

Verlag

Springer

Seitenzahl

291

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

470 g

Auflage

21001 Auflage 1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-40796-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.04.2021

Abbildungen

XIV, 291 p. 126 illus., 109 illus. in color.

Verlag

Springer

Seitenzahl

291

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

470 g

Auflage

21001 Auflage 1st ed. 2020

Sprache

Englisch

ISBN

978-3-030-40796-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Feature Learning and Understanding
  • Produktbild: Feature Learning and Understanding

  • Chapter1. A Gentle Introduction to Feature Learning.- Chapter2. Latent Semantic Feature Learning.- Chapter3. Principal Component Analysis.- Chapter4. Local-Geometrical-Structure-based Feature Learning.- Chapter5. Linear Discriminant Analysis.- Chapter6. Kernel-based nonlinear feature learning.- Chapter7. Sparse feature learning.- Chapter8. Low rank feature learning.- Chapter9. Tensor-based Feature Learning.- Chapter10. Neural-network-based Feature Learning: Autoencoder.- Chapter11. Neural-network-based Feature Learning: Convolutional Neural Network.- Chapter12. Neural-network-based Feature Learning: Recurrent Neural Network.