* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Maschinelles Lernen
Fouad Sabry
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Eine Milliarde Sachkundig [German] 
Naturwissenschaften, Medizin, Informatik, Technik / Technik
Beschreibung
Entdecken Sie in diesem umfassenden Leitfaden die Welt des maschinellen Lernens und seine Schnittstelle zur Robotikwissenschaft. Dieses Buch führt die Leser in die grundlegenden Konzepte des maschinellen Lernens ein und zeigt dessen entscheidende Rolle in der modernen Robotik. Es ist ideal für Profis, Studenten und Enthusiasten und bietet einen umfassenden Einblick in die Fortschritte, praktischen Anwendungen und Zukunftspotenziale des Bereichs. Damit ist es eine wertvolle Ressource für alle, die sich mit Robotik und maschinellem Lernen beschäftigen.
Kurzübersicht der Kapitel:
1: Maschinelles Lernen Ein Überblick über die Prinzipien des maschinellen Lernens in der Robotik.
2: Künstliche Intelligenz Untersucht die integrale Rolle der KI bei der Verbesserung der Fähigkeiten von Robotern.
3: Überwachtes Lernen Befasst sich mit Modellen, bei denen Ergebnisse die Entscheidungen von Robotern leiten.
4: Neuronales Netzwerk (Maschinelles Lernen) Stellt neuronale Netzwerkarchitekturen für Roboter vor.
5: Mustererkennung Behandelt die Rolle von Mustern bei der Wahrnehmung und Entscheidungsfindung von Robotern.
6: Unüberwachtes Lernen Untersucht datengesteuerte Erkenntnisse für autonome Roboterfunktionen.
7: Trainings-, Validierungs- und Testdatensätze Untersucht die Datenaufbereitung für Roboteranwendungen.
8: MetaLearning (Informatik) Bespricht das Lernen von Robotern, um ihr eigenes Lernen zu optimieren.
9: Hierarchisches Zeitgedächtnis Untersucht fortgeschrittene Gedächtnismodelle für die Robotik.
10: Datenanalyse zur Betrugserkennung Veranschaulicht maschinelles Lernen in der Robotersicherheit.
11: Arten künstlicher neuronaler Netzwerke Überblick über in der Robotik angewandte neuronale Netzwerke.
12: Deep Learning Untersucht komplexe, mehrschichtige Netzwerke für fortgeschrittene Robotik.
13: Lernregel Bespricht die auf Roboterintelligenz angewandten Lernprinzipien.
14: Feature Learning Beschreibt das Extrahieren bedeutungsvoller Muster in Robotikkontexten.
15: Deep Belief Network Bespricht tiefe Glaubensstrukturen für das Roboterlernen.
16: Domänenanpassung Behandelt die Anpassung von Robotern an neue Umgebungen und Aufgaben.
17: Inkrementelles Lernen Zeigt die Fähigkeit von Robotern, auf vorherigem Lernen aufzubauen.
18: Erklärbare künstliche Intelligenz Konzentriert sich auf Transparenz bei Roboterentscheidungen.
19: Selbstüberwachtes Lernen Untersucht selbständige Lernmethoden in der Robotik.
20: Symbolische künstliche Intelligenz Erforscht logikbasierte KI für die Robotik.
21: Neats and Scruffies Analysiert die strukturierten und flexiblen Ansätze in der Robotik.
Dieses Buch ist nicht nur ein technischer Leitfaden, sondern eine aufschlussreiche Reise durch die Robotikwissenschaft. Da maschinelles Lernen die Branche weiterhin verändert, bietet dieses Werk sowohl praktische Werkzeuge als auch theoretische Erkenntnisse, sodass die Investition in dieses Wissen eine kluge Wahl für zukünftige Innovatoren ist.
Kundenbewertungen
Unüberwachtes Lernen, Maschinelles Lernen, Trainings-, Neuronales Netzwerk (Maschinelles Lernen), Überwachtes Lernen, Validierungs- und Testdatensätze, Künstliche Intelligenz, Mustererkennung