Livres sur le sujet « DYNAMIC MACHINE LEARNING METHODOLOGY »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs livres pour votre recherche sur le sujet « DYNAMIC MACHINE LEARNING METHODOLOGY ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les livres sur diverses disciplines et organisez correctement votre bibliographie.
Russell, David W. The BOXES Methodology : Black Box Dynamic Control. London : Springer London, 2012.
Trouver le texte intégralGultekin, San. Dynamic Machine Learning with Least Square Objectives. [New York, N.Y.?] : [publisher not identified], 2019.
Trouver le texte intégralBennaceur, Amel, Reiner Hähnle et Karl Meinke, dir. 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.
Texte intégralHinders, 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.
Texte intégralIEEE, 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.
Trouver le texte intégralKelly, Michael A. A methodology for software cost estimation using machine learning techniques. Monterey, Calif : Naval Postgraduate School, 1993.
Trouver le texte intégralMaximize the teaching/learning dynamic : A developmental approach for educators. 3e éd. Denver, Colo : Higher Level, 2013.
Trouver le texte intégralSlater, Stanley F. Information search style and business performance in dynamic and stable environments : An exploratory study. Cambridge, Mass : Marketing Science Institute, 1997.
Trouver le texte intégralEhramikar, Soheila. The enhancement of credit card fraud detection systems using machine learning methodology. Ottawa : National Library of Canada, 2000.
Trouver le texte intégralIEEE 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.
Trouver le texte intégralIEEE 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.
Trouver le texte intégralBuilding intelligent agents : An apprenticeship multistrategy learning theory, methodology, tool and case studies. San Diego : Academic Press, 1998.
Trouver le texte intégralBarbakh, Wesam Ashour. Non-standard parameter adaptation for exploratory data analysis. Berlin : Springer, 2009.
Trouver le texte intégralTrevor, Hastie, Tibshirani Robert et SpringerLink (Online service), dir. The Elements of Statistical Learning : Data Mining, Inference, and Prediction. New York, NY : Springer-Verlag New York, 2009.
Trouver le texte intégralAchmad, Widodo, dir. Introduction of intelligent machine fault diagnosis and prognosis. New York : Nova Science Publishers, 2009.
Trouver le texte intégralRieser, Verena. Reinforcement Learning for Adaptive Dialogue Systems : A Data-driven Methodology for Dialogue Management and Natural Language Generation. Berlin, Heidelberg : Springer-Verlag Berlin Heidelberg, 2011.
Trouver le texte intégralHayes-Roth, Barbara. An architecture for adaptive intelligent systems. Stanford, Calif : Stanford University, Dept. of Computer Science, 1993.
Trouver le texte intégralRussell, David W. The BOXES Methodology : Black Box Dynamic Control. Springer, 2014.
Trouver le texte intégralThe BOXES Methodology : Black Box Dynamic Control. Springer, 2012.
Trouver le texte intégralLi, Fanzhang, Li Zhang et Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Trouver le texte intégralLi, Fanzhang, Li Zhang et Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Trouver le texte intégralLi, Fanzhang, Li Zhang et Zhao Zhang. Dynamic Fuzzy Machine Learning. de Gruyter GmbH, Walter, 2017.
Trouver le texte intégralRussell, David W. BOXES Methodology Second Edition : Black Box Control of Ill-Defined Systems. Springer International Publishing AG, 2022.
Trouver le texte intégralMuneesawang, Paisarn, Ling Guan, Matthew Kyan et Kambiz Jarrah. Unsupervised Learning : A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Trouver le texte intégralMuneesawang, Paisarn, Ling Guan, Matthew Kyan et Kambiz Jarrah. Unsupervised Learning : A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Trouver le texte intégralMuneesawang, Paisarn, Ling Guan, Matthew Kyan et Kambiz Jarrah. Unervised Learning Via Self-Organization : A Dynamic Approach. Wiley & Sons, Incorporated, John, 2014.
Trouver le texte intégralZeng, Tao, Tao Huang et Chuan Lu, dir. 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.
Texte intégralJ, Walsh Thomas, Jonathan P. How, Alborz Geramifard, Stefanie Tellex et Girish Chowdhary. Tutorial on Linear Function Approximators for Dynamic Programming and Reinforcement Learning. Now Publishers, 2013.
Trouver le texte intégralPowell, Warren B., Andrew G. Barto, Don Wunsch et Jennie Si. Handbook of Learning and Approximate Dynamic Programming. Wiley & Sons, Incorporated, John, 2012.
Trouver le texte intégralJennie, Si, dir. Handbook of learning and approximate dynamic programming. Hoboken, NJ : IEEE Press, 2004.
Trouver le texte intégralHinders, Mark K. Intelligent Feature Selection for Machine Learning Using the Dynamic Wavelet Fingerprint. Springer International Publishing AG, 2020.
Trouver le texte intégralHinders, Mark K. Intelligent Feature Selection for Machine Learning Using the Dynamic Wavelet Fingerprint. Springer International Publishing AG, 2021.
Trouver le texte intégralMachine Learning for Dynamic Software Analysis : Potentials and Limits : International Dagstuhl Seminar 16172, Dagstuhl Castle, Germany, April 24-27, ... Papers. Springer, 2018.
Trouver le texte intégralEngles, Robert. The Methodology of Applying Machine Learning : Papers from the AAAI Workshop. AAAI Press, 1998.
Trouver le texte intégralHeo, Wookjae. Demand for Life Insurance : Dynamic Ecological Systemic Theory Using Machine Learning Techniques. Springer International Publishing AG, 2020.
Trouver le texte intégralHeo, Wookjae. Demand for Life Insurance : Dynamic Ecological Systemic Theory Using Machine Learning Techniques. Springer International Publishing AG, 2019.
Trouver le texte intégralLewis, Frank L., et Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Trouver le texte intégralLewis, Frank L., et Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Trouver le texte intégralReinforcement learning and approximate dynamic programming for feedback control. IEEE Press, 2012.
Trouver le texte intégralLewis, Frank L., et Derong Liu. Reinforcement Learning and Approximate Dynamic Programming for Feedback Control. Wiley & Sons, Incorporated, John, 2013.
Trouver le texte intégralSen, Shampa, Leonid Datta et Sayak Mitra. Machine Learning and IoT : A Biological Perspective. Taylor & Francis Group, 2018.
Trouver le texte intégralSen, Shampa, Leonid Datta et Sayak Mitra. Machine Learning and IoT : A Biological Perspective. Taylor & Francis Group, 2018.
Trouver le texte intégralSen, Shampa, Leonid Datta et Sayak Mitra. Machine Learning and IoT : A Biological Perspective. Taylor & Francis Group, 2018.
Trouver le texte intégralMachine Learning and IoT : A Biological Perspective. Taylor & Francis Group, 2018.
Trouver le texte intégralSen, Shampa, Leonid Datta et Sayak Mitra. Machine Learning and IoT : A Biological Perspective. Taylor & Francis Group, 2018.
Trouver le texte intégralLanguage and Chronology : Text Dating by Machine Learning. BRILL, 2019.
Trouver le texte intégralRauf, Ijaz A. Physics of Data Science and Machine Learning. Taylor & Francis Group, 2021.
Trouver le texte intégralRauf, Ijaz A. Physics of Data Science and Machine Learning. Taylor & Francis Group, 2021.
Trouver le texte intégralRauf, Ijaz A. Physics of Data Science and Machine Learning. Taylor & Francis Group, 2021.
Trouver le texte intégralBuilding Intelligent Agents : An Apprenticeship, Multistrategy Learning Theory, Methodology, Tool and Case Studies. Elsevier Science & Technology Books, 1998.
Trouver le texte intégral