Obálka

QR kód

Klassifikation von Niederspannungsnetzen mit Support Vector Machines : Bewertung des Aufnahmevermogens fur Dezentrale Erzeugungsanlagen /

Uloženo v:

Podrobná bibliografie
Hlavní autor:	Breker, Sebastian (Autor)
Médium:	Elektronický zdroj E-kniha
Jazyk:	němčina
Vydáno:	Kassel, Germany : kassel university press, 2015.
Témata:	Support vector machines. Distributed generation of electric power. Low voltage systems. Electronic books.
On-line přístup:	Click to View
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Podobné jednotky

Support vector machines data analysis, machine learning and applications /
Vydáno: (2011)

Least squares support vector machines
Vydáno: (2002)

Dataset shift in machine learning
Vydáno: (2009)

Machine learning for dummies /
Autor: Mueller, John Paul, a další
Vydáno: (2016)

Introduction to machine learning /
Autor: Alpaydin, Ethem
Vydáno: (2014)

Machine learning : hands-on for developers and technical professionals /
Autor: Bell, Jason
Vydáno: (2015)

Machine learning a probabilistic perspective /
Autor: Murphy, Kevin P., 1970-
Vydáno: (2012)

Foundations of machine learning
Autor: Mohri, Mehryar
Vydáno: (2012)

Ein Verfahren zur Prognose verkehrsabhangiger Schaltzeiten von Lichtsignalanlagen /
Autor: Weisheit, Toni
Vydáno: (2017)

Machine learning for financial engineering
Autor: Györfi, László
Vydáno: (2012)

Machine learning with R /
Autor: Lantz, Brett
Vydáno: (2013)

Optimization for machine learning
Vydáno: (2012)

Machine learning in non-stationary environments introduction to covariate shift adaptation /
Autor: Sugiyama, Masashi, 1974-
Vydáno: (2012)

Machine learning in python : essential techniques for predictive analysis /
Autor: Bowles, Michael
Vydáno: (2015)

Ultra low power electronics and adiabatic solutions /
Autor: Fanet, Herv�e
Vydáno: (2016)

Learning with kernels support vector machines, regularization, optimization, and beyond /
Autor: Schölkopf, Bernhard
Vydáno: (2002)

Building machine learning systems with Python
Autor: Richert, Willi
Vydáno: (2013)

Machine learning in image steganalysis
Autor: Schaathun, Hans Georg
Vydáno: (2012)

Multi-agent machine learning : a reinforcement approach /
Autor: Schwartz, Howard M.
Vydáno: (2014)

Recursive spatial multiplexing for interference mitigation /
Autor: Shah, Syed Ibrahim Asghar
Vydáno: (2019)

Learning scikit-learn : machine learning in Python /
Autor: Garreta, Raul
Vydáno: (2013)

Semi-supervised learning
Vydáno: (2006)

Optimal learning
Autor: Powell, Warren B., 1955-
Vydáno: (2012)

Kernels for structured data
Autor: Gartner, Thomas
Vydáno: (2008)

Circuit techniques for low-voltage and high-speed A/D converters
Autor: Waltari, Mikko E.
Vydáno: (2002)

Microbe-vector interactions in vector-borne diseases
Vydáno: (2004)

Next-generation sequencing and sequence data analysis /
Autor: Chiu, Kuo Ping
Vydáno: (2015)

Boosting foundations and algorithms /
Autor: Schapire, Robert E.
Vydáno: (2012)

Vector calculus /
Autor: Lovric, Miroslav
Vydáno: (1997)

Vector analysis /
Autor: Coffin, Joseph George, 1877-
Vydáno: (1911)

Vector analysis /
Autor: Coffin, Joseph George

Vector calculus /
Autor: Colley, Susan Jane
Vydáno: (2012)

An elementary introduction to statistical learning theory
Autor: Kulkarni, Sanjeev
Vydáno: (2011)

Calculus of vector functions /
Autor: Williamson, Richard E.
Vydáno: (1968)

Apache Mahout cookbook /
Autor: Giacomelli, Piero
Vydáno: (2013)

Advances in learning theory methods, models, and applications /
Vydáno: (2003)

Kernel methods for pattern analysis
Autor: Shawe-Taylor, John
Vydáno: (2004)

Vector calculus /
Autor: Baxandall, Peter
Vydáno: (1986)

Calculus of vector functions /
Autor: Williamson, Richard E.
Vydáno: (1972)

Complex vector functional equations
Autor: Risteski, Ice
Vydáno: (2001)