Vor Ort
Merkzettel Warenkorb
  • Produktbild: Learning Systems
  • Produktbild: Learning Systems

Learning Systems

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.10.1995

Abbildungen

XIII, 119 p.

Herausgeber

J. Mason + weitere

Verlag

Springer Berlin

Seitenzahl

119

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

219 g

Auflage

1st Edition

Sprache

Englisch

ISBN

978-3-540-19996-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.10.1995

Abbildungen

XIII, 119 p.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

119

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

219 g

Auflage

1st Edition

Sprache

Englisch

ISBN

978-3-540-19996-0

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: Learning Systems
  • Produktbild: Learning Systems
  • 1 Introduction to Learning Systems.- 1.1 Systems, Memory.- 1.2 Performance Index.- 1.3 Learning Algorithms.- 1.4 Some Examples of Learning Systems.- References.- 2 Deterministic Algorithms.- 2.1 Simple Projection Algorithms in Spaces With Different Norms (Structure, Convergence, Properties).- 2.2 Modified Projection Algorithms With a High Rate of Convergence.- References.- 3 Deterministic and Stochastic Algorithms of Optimisation.- 3.1 Deterministic Methods for Unconstrained Minimisation.- 3.2 Stochastic Approximation and Recurrent Estimation.- References.- 4 Stochastic Algorithms: The Least Squares Method in the Non-Recurrent and Recurrent Forms and the Gauss-Markov Theorem.- 4.1 The Least Squares Method in Recursive and Non-Recursive Forms (The White Noise Case).- 4.2 The Gauss-Markov Theorem.- 4.3 Example System.- References.- 5 Stochastic Algorithms.- 5.1 Algorithms With Forgetting Factor.- 5.2 The Least Squares Method by Correlated Noise in the Non-Recursive and Recursive Forms: Connection With Decorrelation Procedures.- 5.3 Introduction to the Kaiman filter [1], [3].- References.- 6 Multilayer Neural Networks.- 6.1 Multilayer Neural Network as a Non-Linear Transformer. The Kolmogorov and Cybenko Theorems.- 6.2 Learning Algorithms for Single Elements of Multilayer Neural Networks.- References.- 7 Learning Algorithms for Neural Networks.- 7.1 The Back-Propagation Algorithm for MNN Learning.- 7.2 Autonomous Algorithms for Adjusting MNNs.- References.- 8 Identification and Control of Dynamic Systems Using Multilayer Neural Networks.- 8.1 Identification of Dynamic Systems Using Multilayer Neural Networks.- 8.2 Control of Dynamic Systems Using Multilayer Neural Networks.- 8.3 Control of Non-Linear Dynamic Systems Using Multilayer Neural Networks.- References.- 9 The Cerebellar Model Articulation Controller (CMAC).- 9.1 Introduction to CMAC.- 9.2 Data Storage and Learning Process in the CMAC.- 9.3 Albus’ Learning Algorithm.- 9.4 Modified Albus’ Algorithm.- 9.5 CMAC for Identification and Adaptive Control.- References.