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.

Networks of Learning Automata

Name: Networks of Learning Automata
Brand: Springer-Verlag New York Inc.
SKU: 02180418
Price: 112.79 EUR
Availability: InStock
Author: M.A.L. Thathachar
ISBN: 9781461347750

Techniques for Online Stochastic Optimization

M.A.L. Thathachar

P.S. Sastry

Idioma

Inglés

Libro Tapa blanda

Código Libristo: 02180418

Editores Springer-Verlag New York Inc., septiembre 2012

Networks of Learning Automata: Techniques for Online Stochastic Optimization is a comprehensive acco... Descripción completa

Código Libristo: 02180418

276 b

112.79 €

Almacenamiento externo Envío en 5-8 días

Hasta 30 días para devoluciones

Clientes que también han comprado

Voyage de Jaques Cartier Au Canada En 1534 (Nouv. Ed.) (Ed.1865) Jacques Cartier

Tapa blanda

17.89 €

Annus Mirabilis; Or, the Eventful Year Eighty Two, an Historical Poem. William Tasker

Tapa blanda

14.89 €

Pygmalion Clannon Miller

Tapa blanda

14.99 €

Estraperlo. Estrategies de supervivencia? Pont Farre

Libro

22.09 €

Networks of Learning Automata: Techniques for Online Stochastic Optimization is a comprehensive account of learning automata models with emphasis on multiautomata systems. It considers synthesis of complex learning structures from simple building blocks and uses stochastic algorithms for refining probabilities of selecting actions. Mathematical analysis of the behavior of games and feedforward networks is provided. Algorithms considered here can be used for online optimization of systems based on noisy measurements of performance index. Also, algorithms that assure convergence to the global optimum are presented. Parallel operation of automata systems for improving speed of convergence is described. The authors also include extensive discussion of how learning automata solutions can be constructed in a variety of applications.