Muutke küpsiste eelistusi

E-raamat: How Fuzzy Concepts Contribute to Machine Learning

Teised raamatud teemal:
  • Formaat - PDF+DRM
  • Hind: 110,53 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.
Teised raamatud teemal:

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This book introduces some contemporary approaches on the application of fuzzy and hesitant fuzzy sets in machine learning tasks such as classification, clustering and dimension reduction. Many situations arise in machine learning algorithms in which applying methods for uncertainty modeling and multi-criteria decision making can lead to a better understanding of algorithms behavior as well as achieving good performances. Specifically, the present book is a collection of novel viewpoints on how fuzzy and hesitant fuzzy concepts can be applied to data uncertainty modeling as well as being used to solve multi-criteria decision making challenges raised in machine learning problems. Using the multi-criteria decision making framework, the book shows how different algorithms, rather than human experts, are employed to determine membership degrees. The book is expected to bring closer the  communities of pure mathematicians of fuzzy sets and data scientists. 
Chapter 1: Preliminaries.
Chapter 2: A Denition for Hesitant Fuzzy
Partitions.
Chapter 3: Unsupervised Feature Selection Method. Chapter 4: 
Fuzzy Partitioning of Continuous Attributes.
Chapter 5: Comparing Different
Stopping Criteria.