Andere Kunden interessierten sich auch für
![Statistiques et techniques d'apprentissage automatique]( "Statistiques et techniques d'apprentissage automatique")
Statistiques et techniques d'apprentissage automatique26,99 €![Statistica e tecniche di apprendimento automatico]( "Statistica e tecniche di apprendimento automatico")
Statistica e tecniche di apprendimento automatico26,99 €![Estatísticas e Técnicas de Aprendizagem de Máquina]( "Estatísticas e Técnicas de Aprendizagem de Máquina")
Estatísticas e Técnicas de Aprendizagem de Máquina26,99 €![Statistika i metody mashinnogo obucheniq]( "Statistika i metody mashinnogo obucheniq")
Statistika i metody mashinnogo obucheniq13,99 €![Statistics and Machine Learning Techniques]( "Statistics and Machine Learning Techniques")
Statistics and Machine Learning Techniques26,99 €![Einführung in das Thema Schlüsselkompetenzen]( "Einführung in das Thema Schlüsselkompetenzen")
Einführung in das Thema Schlüsselkompetenzen14,99 €![Entwicklung von Algorithmen zur Aufbereitung komplizierter Netzplanstrukturen für eine maschinelle Netzplandarstellung]( "Entwicklung von Algorithmen zur Aufbereitung komplizierter Netzplanstrukturen für eine maschinelle Netzplandarstellung")
Entwicklung von Algorithmen zur Aufbereitung komplizierter Netzplanstrukturen für eine maschinelle Netzplandarstellung54,99 €
Dieses Buch erklärt den Vergleich zwischen statistischen Techniken und Techniken des maschinellen Lernens, insbesondere das Regressionsmodell und das Radial Basis Function Neural Network (RBFNN) Modell. Diese Erläuterung umfasst die mathematische Theorie und das Prinzip, auf deren Grundlage das RBFNN-Modell entwickelt wurde, und geht auf die allgemeine Annahme ein, dass Techniken des maschinellen Lernens eine "Black Box" sind, was bedeutet, dass die Mathematik des neuronalen Netzes nicht erklärt werden kann. Daher wird in diesem Buch die Mathematik der radialen Basisfunktionen erklärt, die von der Gaußfunktion abhängt. In diesem Buch werden einige Schätzungen der beiden Modelle verglichen und erläutert, wie z. B. die Summe der Fehlerquadrate, das Bayes'sche Informationskriterium und die relative Bedeutung der einzelnen erklärenden Variablen.