KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thaalia.live, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
Produktbild: Intelligent Data Engineering and Automated Learning – IDEAL 2026
Band 17196 Vorbesteller

Intelligent Data Engineering and Automated Learning – IDEAL 2026 27th International Conference, Manchester, UK, November 19–21, 2026, Proceedings, Part II

Aus der Reihe Lecture Notes in Computer Science

98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.12.2026

Abbildungen

XII, 212 p. 56 illus.

Herausgeber

Hujun Yin + weitere

Verlag

Springer

Seitenzahl

212

Maße (B/H)

15,5/23,5 cm

Sprache

Englisch

ISBN

978-3-032-45369-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.12.2026

Abbildungen

XII, 212 p. 56 illus.

Herausgeber

Verlag

Springer

Seitenzahl

212

Maße (B/H)

15,5/23,5 cm

Sprache

Englisch

ISBN

978-3-032-45369-3

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Intelligent Data Engineering and Automated Learning – IDEAL 2026

  • .- Topology-Guided Localized Color Augmentation with Growing Neural Gas.

    .- Benchmarking Generative Topographic Mapping for Probabilistic Clustering and Interpretable Dimensionality Reduction.

    .- Theoretical Limits of Integer Quantization in LVQ: From Fano’s Inequality to Gradient Confusion.

    .- An Efficient Proximal Interpretation of Batch Self-Organizing Maps.

    .- Inspect and Explain: Counterfactual Explanations via Dominating Features in Prototype-based Models.

    .- Notes on GLVQ Convergence Without Smoothness Assumptions.

    .- Adam is a competitive multi-scale neighbour embedding optimizer.

    .- Implicit Word Sense Disambiguation in LLMs.

    .- Unsupervised Structure versus Diabetic Retinopathy Status in OCTA Radiomics: A Generative Topographic Mapping Study.

    .- Contrastive Concept Importance: Explaining Pairwise Class Decisions Through Automatically Extracted Concept Representations.

    .- Characterization of SOM Model Quality with Graph Property Measures.

    .- RSLVQ revisited: robust soft learning vector quantization for high-dimensional data.

    .- Evaluation of Classification Uncertainty in Learning Vector Quantization: Current Trends and Approaches including Evidence-theoretic Aspects.

    .-Localizing Dissimilarity Contributions in M³GLVQ.

    .- Lilypond: A Unified SOM Visualization Framework with Integrated Distortion Mapping.

    .- Repair, Then Trust: Feature-Salience Detection and Repair of Degenerate Models for Optimal Cluster Selection.

    .- Vector Quantization for Uncertainty Quantification: The Quantized Infinitesimal Jackknife.

    .- Self-organizing map formation under the farthest first traversal constraint.