• Produktbild: Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond
  • Produktbild: Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond
Band 1087 - 12%

Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond Proceedings of the 15th International Workshop, WSOM+ 2024, Mittweida, Germany, July 10–12, 2024

12% sparen

187,99 € UVP 213,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

02.08.2024

Herausgeber

Thomas Villmann + weitere

Verlag

Springer

Seitenzahl

228

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

377 g

Sprache

Englisch

ISBN

978-3-031-67158-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

02.08.2024

Herausgeber

Verlag

Springer

Seitenzahl

228

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

377 g

Sprache

Englisch

ISBN

978-3-031-67158-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

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: Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond
  • Produktbild: Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond
  • Unsupervised Learning-based Data Collection Planning with Dubins Vehicle and Constrained Data Retrieving Time.- Hyperbox GLVQ Based on Min Max Neurons.- Sparse clustering with K means which penalties and for which data.- Is t SNE Becoming the New Self organizing Map Similarities and Differences.- Pursuing the Perfect Projection A Projection Pursuit Framework for Deep Learning.- Generalizing self organizing maps large scale training of GMMs and applications in data science.- A Self Organizing UMAP For Clustering.- Knowledge Integration in Vector Quantization Models and Corresponding Structured Covariance Estimation.- Exploring data distributions in Machine Learning models with SOMs.- Interpretable Machine Learning in Endocrinology a Diagnostic Tool in Primary Aldosteronism.- The Beauty of Prototype Based Learning.