Multiview Machine Learning

 
 
Springer (Verlag)
  • erschienen am 7. Januar 2019
  • |
  • X, 149 Seiten
 
E-Book | PDF mit Wasserzeichen-DRM | Systemvoraussetzungen
978-981-13-3029-2 (ISBN)
 

This book provides a unique, in-depth discussion of multiview learning, one of the fastest developing branches in machine learning. Multiview Learning has been proved to have good theoretical underpinnings and great practical success. This book describes the models and algorithms of multiview learning in real data analysis. Incorporating multiple views to improve the generalization performance, multiview learning is also known as data fusion or data integration from multiple feature sets. This self-contained book is applicable for multi-modal learning research, and requires minimal prior knowledge of the basic concepts in the field. It is also a valuable reference resource for researchers working in the field of machine learning and also those in various application domains.

1st ed. 2019
  • Englisch
  • Singapore
  • |
  • Singapur
Springer Singapore
  • 17
  • |
  • 7 farbige Abbildungen, 3 s/w Abbildungen, 17 farbige Tabellen
  • |
  • 3 schwarz-weiße und 7 farbige Abbildungen, 17 farbige Tabellen, Bibliographie
  • 2,40 MB
978-981-13-3029-2 (9789811330292)
10.1007/978-981-13-3029-2
weitere Ausgaben werden ermittelt

Shiliang Sun received his Ph.D. degree in pattern recognition and intelligent systems from Tsinghua University, Beijing, China, in 2007. He is now a professor at the Department of Computer Science and Technology and the head of the Pattern Recognition and Machine Learning Research Group, East China Normal University, Shanghai, China. His current research interests include multiview learning, kernel methods, learning theory, probabilistic models, approximate inference, and sequential modeling. He has published 150+ research articles at peer-reviewed journals and international conferences. Prof. Sun is on the editorial board of several international journals, including IEEE Transactions on Neural Networks and Learning Systems, Information Fusion, and Pattern Recognition.

Liang Mao is a senior Ph.D. student at the Department of Computer Science and Technology and the Pattern Recognition and Machine Learning Research Group, East China Normal University, Shanghai, China. His main research interest is multiview learning and probabilistic models.


Dateiformat: PDF
Kopierschutz: Wasserzeichen-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Verwenden Sie zum Lesen die kostenlose Software Adobe Reader, Adobe Digital Editions oder einen anderen PDF-Viewer Ihrer Wahl (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie die kostenlose App Adobe Digital Editions oder eine andere Lese-App für E-Books (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nur bedingt: Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein "weicher" Kopierschutz verwendet. Daher ist technisch zwar alles möglich - sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

117,69 €
inkl. 7% MwSt.
Download / Einzel-Lizenz
PDF mit Wasserzeichen-DRM
siehe Systemvoraussetzungen
E-Book bestellen