Envío gratis a partir de 69,99 euros.

«Comprobar estado del pedido»

Entre a formar parte de una comunidad de amantes de los libros del mundo entero y acceda a un sinfín de ventajas. Crear una cuenta gratis

Envío gratuito con Zásilkovna para compras superiores a 59.99 €

Mensajería SEUR 4.99 € Mensajería GLS 7.99 € Mensajería Correos 5.49 € Mensajería DHL 5.49 € Punto SEUR 3.99 €

Contacto

Cómo comprar

Ayuda

Mi cuenta

▸ Vacío :-(

Envío gratis a partir de 69,99 euros.

Evolutionary Machine Learning in Linguistic Knowledge Extraction

Name: Evolutionary Machine Learning in Linguistic Knowledge Extraction
Brand: LAP Lambert Academic Publishing
SKU: 13411736
Price: 60.89 EUR
Availability: InStock
Author: Lamiaa Ahmed
ISBN: 9783659891038

Lamiaa Ahmed

Amr Badr

Mostafa Abd El-Azim

Idioma

Inglés

Libro Tapa blanda

Código Libristo: 13411736

Editores LAP Lambert Academic Publishing, noviembre 2015

This book is proposing a hybrid algorithm of two fuzzy genetic-based machine learning approaches - M... Descripción completa

Código Libristo: 13411736

149 b

60.89 €

Almacenamiento externo Envío en 5-8 días

Política de devolución de 30 días

Clientes que también han comprado

Bulletin Société des antiquaires de l'Ouest

Tapa blanda

68.79 €

Watercolor Wow Anna Malek

Tapa blanda

18.79 €

Aspectos básicos de la gestión de recursos humanos

Tapa blanda

83.49 €

Kevin Mallea Esce Dalla Sua Camera Marco Fornaciari

Tapa blanda

12.99 €

Jabra Ibrahim Jabra: Faces of the Romantic Intellectual (Jabra Ibrahim Jabra: Wojouh Al-Mothaqqaf Al- Romancy) Faisal Darraj

Tapa blanda

11.79 €

Leyes de educacion Andrés Santana Muñoz

Tapa blanda

58.09 €

This book is proposing a hybrid algorithm of two fuzzy genetic-based machine learning approaches - Michigan and Pittsburgh - for designing fuzzy rule-based classification systems. The search ability of each approach is examined to efficiently find fuzzy rule-based systems with high classification accuracy. These two approaches are combined into a single hybrid algorithm. The generalization ability of fuzzy rule-based classification systems, designed by the proposed hybrid algorithm is examined on real data sets. Experimental results show that the hybrid algorithm has higher search ability within a population of individual rules and within a population of rule sets.