Hình bìa
Loại tài liệu:
Books - Sách
Tác giả:
Daniel Schulz, Christian Bauckhage biên tập
Đề mục:
học máy, trí tuệ nhân tạo, khoa học dữ liệu, bản sao số, học máy khoa học
Nhà xuất bản:
Springer Nature Link
Ngày xuất bản:
2025
Định dạng:
pdf
Định danh tư liệu:
Nghiên cứu
Ngôn ngữ:
en
Liên kết:
Có thể tải tài liệu trực tiếp tại: https://link.springer.com/book/10.1007/978-3-031-83097-6
Phạm vi:
Open Access © 2025
Lượt xem:
0
Lượt tải:
0

Nội dung

Informed Machine Learning là tài liệu học thuật Open Access về phương pháp kết hợp dữ liệu với tri thức chuyên ngành trong học máy. Sách trình bày cách khai thác các nguồn tri thức như mô hình khoa học, kết quả mô phỏng, luật logic và đồ thị tri thức nhằm nâng cao hiệu quả, độ tin cậy và khả năng ứng dụng của mô hình học máy.

Nội dung bao quát các chủ đề như bản sao số, tối ưu hóa, mạng nơ-ron và các phương pháp lai, với nhiều ứng dụng trong sản xuất, vật liệu, y tế và kỹ thuật. Đây là tài liệu tham khảo phù hợp với sinh viên, học viên sau đại học, giảng viên và nhà nghiên cứu trong lĩnh vực trí tuệ nhân tạo, học máy và các ngành kỹ thuật có ứng dụng học máy.

Tập tin đính kèm

Loại file Tên file Dung lượng Chi tiết
978-3-031-83097-6.pdf 18219891 Kb XemTải