Principles of Nonparametric Learning (eBook, PDF)

Redaktion: Györfi, Laszlo

• Format: PDF

Produktbeschreibung

This volume provides a systematic in-depth analysis of nonparametric learning. It covers the theoretical limits and the asymptotical optimal algorithms and estimates, such as pattern recognition, nonparametric regression estimation, universal prediction, vector quantization, distribution and density estimation, and genetic programming.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer Vienna
• Seitenzahl: 335
• Erscheinungstermin: 4. Mai 2014
• Englisch
• ISBN-13: 9783709125687
• Artikelnr.: 53155492

Autorenporträt

Laszlo Györfi, Budapest University of Technology and Economics, Budapest, Hungary

Inhaltsangabe

Pattern classification and learning theory (G. Lugosi).- Nonparametric regression estimation (L. Györfi, M. Kohler).- Universal prediction (N. Cesa-Bianchi).- Learning-theoretic methods in vector quantization (T. Linder).- Distribution and density estimation (L. Devroye, L. Györfi).- Programming applied to model identification (M. Sebag)