Neural networks for pattern recognition / (Record no. 41462)

MARC details
000 -CABECERA
Campo de control de longitud fija 04427nam a2200313 a 4500
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL
Identificador del número de control AR-sfUTN
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL
Códigos de información de longitud fija 170717s1995 ||||| |||| 00| 0 eng d
020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO
ISBN 9780198538646
040 ## - FUENTE DE LA CATALOGACIÓN
Centro transcriptor AR-sfUTN
041 ## - CÓDIGO DE LENGUA
Código de lengua del texto eng
080 ## - NÚMERO DE LA CLASIFICACIÓN DECIMAL UNIVERSAL
Clasificación Decimal Universal 004.85 B541
Edición de la CDU 2000
100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA
Nombre personal Bishop, Christopher M.
245 10 - MENCIÓN DE TÍTULO
Título Neural networks for pattern recognition /
Mención de responsabilidad Christopher M. Bishop.
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Lugar de publicación, distribución, etc. New York :
Nombre del editor, distribuidor, etc. Oxford University Press,
Fecha de publicación, distribución, etc. 1995
300 ## - DESCRIPCIÓN FÍSICA
Extensión 482 p.
336 ## - TIPO DE CONTENIDO
Fuente rdacontent
Término de tipo de contenido texto
Código de tipo de contenido txt
337 ## - TIPO DE MEDIO
Fuente rdamedia
Nombre del tipo de medio sin mediación
Código del tipo de medio n
338 ## - TIPO DE SOPORTE
Fuente rdacarrier
Nombre del tipo de soporte volumen
Código del tipo de soporte nc
505 80 - NOTA DE CONTENIDO CON FORMATO
Nota de contenido con formato CONTENIDO<br/>1 Statistical Pattern Recognition 1<br/>1.1 An example - character recognition 1<br/>1.2 Classification and regression 5<br/>1.3 Pre-processing and feature extraction 6<br/>1.4 The curse of dimensionality 7<br/>1.5 Polynomial curve fitting 9<br/>1.6 Model complexity 14<br/>1.7 Multivariate non-linear functions 15<br/>1.8 Bayes' theorem 17<br/>1.9 Decision boundaries 23<br/>1.10 Minimizing risk 27<br/>2 Probability Density Estimation 33<br/>2.1 Parametric methods 34<br/>2.2 Maximum likelihood 39<br/>2.3 Bayesian inference 42<br/>2.4 Sequential parameter estimation 46<br/>2.5 Non-parametric methods 49<br/>2.6 Mixture models 59<br/>3 Single-Layer Networks 77<br/>3.1 Linear discriminant functions 77<br/>3.2 Linear separability 85<br/>3.3 Generalized linear discriminants 88<br/>3.4 Least-squares techniques 89<br/>3.5 The perceptron 98<br/>3.6 Fisher's linear discriminant 105<br/>4 The Multi-layer Perceptron? 116<br/>4.1 Feed-forward network mappings 116<br/>4.2 Threshold units 121<br/>4.3 Sigmoidal units 126<br/>4.4 Weight-space symmetries 133<br/>4.5 Higher-order networks 133<br/>4.6 Projection pursuit regression 135<br/>4.7 Kolmogorov's theorem 137<br/>4.8 Error back-propagation 140<br/>4.9 The Jacobian matrix 148<br/>4.10 The Hessian matrix 150<br/>5 Radial Basis Functions 164<br/>5.1 Exact interpolation 164<br/>5.2 Radial basis function networks 167<br/>5.3 Network training 170<br/>5.4 Regularization theory 171<br/>5.5 Noisy interpolation theory 176<br/>5.6 Relation to kernel regression 177<br/>5.7 Radial basis function networks for classification 179<br/>5.8 Comparison with the multi-layer perceptron 182<br/>5.9 Basis function optimization 183<br/>5.10 Supervised training 190<br/>6 Error Functions 194<br/>6.1 Sum-of-squares error 195<br/>6.2 Minkowski error 208<br/>6.3 Input-dependent variance 211<br/>6.4 Modelling conditional distributions 212<br/>6.5 Estimating posterior probabilities 222<br/>6.6 Sum-of-squares for classification 225<br/>6.7 Cross-entropy for two classes 230<br/>6.8 Multiple independent attributes 236<br/>6.9 Cross-eutropy for multiple classes 237<br/>6.10 Entropy 240<br/>6.11 General conditions for outputs to be probabilities 245<br/>7 Parameter Optimization Algorithms 253<br/>7.1 Error surfaces 254<br/>7.2 Local quadratic approximation 257<br/>7.3 Linear output units 259<br/>7.4 Optimization in practice 260<br/>7.5 Gradient descent 263<br/>7.6 Line search 272<br/>7.7 Conjugate gradients 274<br/>7.8 Scaled conjugate gradients 282<br/>7.9 Newton's method 285<br/>7.10 Quasi-Newton methods 287<br/>7.11 The Levenberg-Marquardt algorithm 290<br/>8 Pre-processing and Feature Extraction 295<br/>8.1 Pre-processing and post-processing 296<br/>8.2 Input normalization and encoding 298<br/>8.3 Missing data 301<br/>8.4 Time series prediction 302<br/>8.5 Feature selection 304<br/>8.6 Principal component analysis 310<br/>8.7 Invariances and prior knowledge 319<br/>9 Learning and Generalization 332<br/>9.1 Bias and variance 333<br/>9.2 Regularization 338<br/>9.3 Training with noise 346<br/>9.4 Soft weight sharing 349<br/>9.5 Growing and pruning algorithms 353<br/>9.6 Committees of networks 364<br/>9.7 Mixtures of experts 369<br/>9.8 Model order selection 371<br/>9.9 Vapnik-Chervonenkis dimension 377<br/>10 Bayesian Techniques 385<br/>10.1 Bayesian learning of network weights 387<br/>10.2 Distribution of network outputs 398<br/>10.3 Application to classification problems 403<br/>10.4 The evidence framework for a and /3 406<br/>10.5 Integration over hyperparameters 415<br/>10.6 Bayesian model comparison 418<br/>10.7 Committees of networks 422<br/>10.8 Practical implementation of Bayesian techniques 424<br/>10.9 Monte Carlo methods 425<br/>10.10 Minimum description length 429<br/>A Symmetric Matrices 440<br/>B Gaussian Integrals 444<br/>C Lagrange Multipliers 448<br/>D Calculus of Variations 451<br/>E Principal Components 454<br/>References 457<br/>Index 477<br/>
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia REDES NEURONALES
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia RECONOCIMIENTO DE FORMAS-INFORMATICA
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia INTELIGENCIA ARTIFICIAL
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia SISTEMAS DE RECONOCIMIENTO DE PATRONES
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia NEURAL NETWORKS
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia PATTERN RECOGNITION
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA)
Tipo de ítem Koha Libros
Esquema de clasificación Clasificación Decimal Universal
999 ## - NÚMEROS DE CONTROL DE SISTEMA (KOHA)
-- 41462
-- 41462
Holdings
Estado Estado perdido Tipo de préstamo Localización permanente Ubicación/localización actual Fecha de adquisición Origen de la adquisición Número de inventario Total Checkouts ST completa de Koha Código de barras Date last seen Número de copias Tipo de ítem Koha
      Facultad Regional Santa Fe Facultad Regional Santa Fe 02/02/2018 Compra Exp. N°23/2010 Proyecto Chiotti 10547   004.85 B541 10547 02/02/2018 02/02/2018 Libros