Bücher zum Thema „Dynamic machine learning“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Bücher für die Forschung zum Thema "Dynamic machine learning" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Bücher für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Gultekin, San. Dynamic Machine Learning with Least Square Objectives. [New York, N.Y.?]: [publisher not identified], 2019.
Den vollen Inhalt der Quelle findenBennaceur, Amel, Reiner Hähnle und Karl Meinke, Hrsg. Machine Learning for Dynamic Software Analysis: Potentials and Limits. Cham: Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-319-96562-8.
Der volle Inhalt der QuelleIEEE, International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Den vollen Inhalt der Quelle findenHinders, Mark K. Intelligent Feature Selection for Machine Learning Using the Dynamic Wavelet Fingerprint. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-49395-0.
Der volle Inhalt der QuelleIEEE International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu, Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Den vollen Inhalt der Quelle findenIEEE International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu, Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Den vollen Inhalt der Quelle findenAchmad, Widodo, Hrsg. Introduction of intelligent machine fault diagnosis and prognosis. New York: Nova Science Publishers, 2009.
Den vollen Inhalt der Quelle findenRussell, David W. The BOXES Methodology: Black Box Dynamic Control. London: Springer London, 2012.
Den vollen Inhalt der Quelle findenHayes-Roth, Barbara. An architecture for adaptive intelligent systems. Stanford, Calif: Stanford University, Dept. of Computer Science, 1993.
Den vollen Inhalt der Quelle findenDuriez, Thomas, Steven L. Brunton und Bernd R. Noack. Machine Learning Control – Taming Nonlinear Dynamics and Turbulence. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-40624-4.
Der volle Inhalt der QuelleChiroma, Haruna, Shafi’i M. Abdulhamid, Philippe Fournier-Viger und Nuno M. Garcia, Hrsg. Machine Learning and Data Mining for Emerging Trend in Cyber Dynamics. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-66288-2.
Der volle Inhalt der QuelleLeigh, J. R. Control Theory. 2. Aufl. Stevenage: IET, 2004.
Den vollen Inhalt der Quelle findenLi, Fanzhang, Li Zhang und Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Den vollen Inhalt der Quelle findenLi, Fanzhang, Li Zhang und Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Den vollen Inhalt der Quelle findenLi, Fanzhang, Li Zhang und Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Den vollen Inhalt der Quelle findenMuneesawang, Paisarn, Ling Guan, Matthew Kyan und Kambiz Jarrah. Unsupervised Learning: A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Den vollen Inhalt der Quelle findenMuneesawang, Paisarn, Ling Guan, Matthew Kyan und Kambiz Jarrah. Unsupervised Learning: A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Den vollen Inhalt der Quelle findenJ, Walsh Thomas, Jonathan P. How, Alborz Geramifard, Stefanie Tellex und Girish Chowdhary. Tutorial on Linear Function Approximators for Dynamic Programming and Reinforcement Learning. Now Publishers, 2013.
Den vollen Inhalt der Quelle findenMuneesawang, Paisarn, Ling Guan, Matthew Kyan und Kambiz Jarrah. Unervised Learning Via Self-Organization: A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Den vollen Inhalt der Quelle findenLearning from Data Streams in Dynamic Environments. Springer, 2015.
Den vollen Inhalt der Quelle findenMachine Learning for Dynamic Software Analysis : Potentials and Limits: International Dagstuhl Seminar 16172, Dagstuhl Castle, Germany, April 24-27, ... Papers. Springer, 2018.
Den vollen Inhalt der Quelle findenZeng, Tao, Tao Huang und Chuan Lu, Hrsg. Machine Learning Advanced Dynamic Omics Data Analysis for Precision Medicine. Frontiers Media SA, 2020. http://dx.doi.org/10.3389/978-2-88963-554-2.
Der volle Inhalt der QuellePowell, Warren B., Andrew G. Barto, Don Wunsch und Jennie Si. Handbook of Learning and Approximate Dynamic Programming. Wiley & Sons, Incorporated, John, 2012.
Den vollen Inhalt der Quelle findenHinders, Mark K. Intelligent Feature Selection for Machine Learning Using the Dynamic Wavelet Fingerprint. Springer International Publishing AG, 2021.
Den vollen Inhalt der Quelle findenHinders, Mark K. Intelligent Feature Selection for Machine Learning Using the Dynamic Wavelet Fingerprint. Springer International Publishing AG, 2020.
Den vollen Inhalt der Quelle findenLewis, Frank L., und Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Den vollen Inhalt der Quelle findenLewis, Frank L., und Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Den vollen Inhalt der Quelle findenLewis, Frank L., und Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Den vollen Inhalt der Quelle findenHeo, Wookjae. Demand for Life Insurance: Dynamic Ecological Systemic Theory Using Machine Learning Techniques. Springer International Publishing AG, 2020.
Den vollen Inhalt der Quelle findenHeo, Wookjae. Demand for Life Insurance: Dynamic Ecological Systemic Theory Using Machine Learning Techniques. Springer International Publishing AG, 2019.
Den vollen Inhalt der Quelle findenR Machine Learning by Example: Understand the Fundamentals of Machine Learning with R and Build Your Own Dynamic Algorithms to Tackle Complicated Real-World Problems Successfully. de Gruyter GmbH, Walter, 2016.
Den vollen Inhalt der Quelle findenRussell, David W. The BOXES Methodology: Black Box Dynamic Control. Springer, 2014.
Den vollen Inhalt der Quelle findenThe BOXES Methodology: Black Box Dynamic Control. Springer, 2012.
Den vollen Inhalt der Quelle findenPickreign, Cynthia J. Riggle: A program for the dynamic conceptual time series analysis of hypervariate data and its application to ecotoxicology. 1995.
Den vollen Inhalt der Quelle findenAmunategui, Manuel. Python Web Work - Online Presence Powerhouse: Grow Audiences, Use Html5 Templates, Serve Dynamic Content, Build Machine Learning Web Apps, Conquer the World. Independently Published, 2020.
Den vollen Inhalt der Quelle findenSalin, Sandra, und Cathy Hampton, Hrsg. Innovative language teaching and learning at university: facilitating transition from and to higher education. Research-publishing.net, 2022. http://dx.doi.org/10.14705/rpnet.2022.56.9782490057986.
Der volle Inhalt der QuelleNoack, Bernd R., Steven L. Brunton und Thomas Duriez. Machine Learning Control – Taming Nonlinear Dynamics and Turbulence. Springer, 2018.
Den vollen Inhalt der Quelle findenNoack, Bernd R., Steven L. Brunton und Thomas Duriez. Machine Learning Control - Taming Nonlinear Dynamics and Turbulence. Springer London, Limited, 2016.
Den vollen Inhalt der Quelle findenNoack, Bernd R., Steven L. Brunton und Thomas Duriez. Machine Learning Control – Taming Nonlinear Dynamics and Turbulence. Springer, 2016.
Den vollen Inhalt der Quelle findenDecherchi, Sergio, Andrea Cavalli, Pratyush Tiwary und Francesca Grisoni, Hrsg. Molecular Dynamics and Machine Learning in Drug Discovery. Frontiers Media SA, 2021. http://dx.doi.org/10.3389/978-2-88966-863-2.
Der volle Inhalt der QuelleIordache, Octavian. Self-Evolvable Systems: Machine Learning in Social Media. Springer Berlin / Heidelberg, 2014.
Den vollen Inhalt der Quelle findenIordache, Octavian. Self-Evolvable Systems: Machine Learning in Social Media. Springer, 2012.
Den vollen Inhalt der Quelle findenHanson, Stephen José, Michael J. Kearns, Thomas Petsche und Ronald L. Rivest, Hrsg. Computational Learning Theory and Natural Learning Systems, Volume 2. The MIT Press, 1994. http://dx.doi.org/10.7551/mitpress/2029.001.0001.
Der volle Inhalt der QuelleBansal, Vinnie, und Aurelien Clere. Machine Learning with Dynamics 365 and Power Platform: The Ultimate Guide to Learning and Applying Machine Learning and Predictive Analytics. Wiley & Sons, Limited, John, 2022.
Den vollen Inhalt der Quelle findenUltimate Machine Learning Data Science: Statistical Methods for Building Trading Strategies to Machine Learning, Dynamical Systems, and Control for Beginners. Independently Published, 2022.
Den vollen Inhalt der Quelle findenKutz, J. Nathan, und Steven L. Brunton. Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control. Cambridge University Press, 2019.
Den vollen Inhalt der Quelle findenKutz, J. Nathan, und Steven L. Brunton. Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control. Cambridge University Press, 2022.
Den vollen Inhalt der Quelle findenKutz, J. Nathan, und Steven L. Brunton. Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control. Cambridge University Press, 2019.
Den vollen Inhalt der Quelle findenData-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control. Cambridge University Press, 2022.
Den vollen Inhalt der Quelle findenMitra, Bivas, Fakhteh Ghanbarnejad, Rishiraj Saha Roy, Fariba Karimi und Jean-Charles Delvenne. Dynamics On and Of Complex Networks III: Machine Learning and Statistical Physics Approaches. Springer, 2019.
Den vollen Inhalt der Quelle finden