-
Braun, H.: Sacherschließung 1978 (1979)
0.01
0.0137242135 = product of:
0.054896854 = sum of:
0.054896854 = weight(_text_:und in 1600) [ClassicSimilarity], result of:
0.054896854 = score(doc=1600,freq=4.0), product of:
0.1131508 = queryWeight, product of:
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.05101711 = queryNorm
0.48516542 = fieldWeight in 1600, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.109375 = fieldNorm(doc=1600)
0.25 = coord(1/4)
- Series
- Beiträge zum Buch- und Bibliothekswesen; Bd.17
- Source
- Bestandserschließung und Bibliotheksstruktur. Rolf Kluth zum 10.2.1979. Hrsg. von R. Alsheimer
-
Braun, H.: Suchverständige : Spezialsuchmaschinen, Webportale und Linksammlungen (2004)
0.01
0.011763611 = product of:
0.047054444 = sum of:
0.047054444 = weight(_text_:und in 4035) [ClassicSimilarity], result of:
0.047054444 = score(doc=4035,freq=4.0), product of:
0.1131508 = queryWeight, product of:
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.05101711 = queryNorm
0.41585606 = fieldWeight in 4035, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.09375 = fieldNorm(doc=4035)
0.25 = coord(1/4)
- Abstract
- So bemerkenswert die Trefferquoten von Internetsuchmaschinen wie Google auch sind - bei vielen Recherchen liefern Linksammlungen und themenspezifische Suchmaschinen bessere Ergebnisse. Wir stellen eine Auswahl vor.
-
Braun, H.: Neuronale Netze : Optimierung durch Lernen und Evolution (1997)
0.01
0.009604949 = product of:
0.038419794 = sum of:
0.038419794 = weight(_text_:und in 730) [ClassicSimilarity], result of:
0.038419794 = score(doc=730,freq=6.0), product of:
0.1131508 = queryWeight, product of:
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.05101711 = queryNorm
0.33954507 = fieldWeight in 730, product of:
2.4494898 = tf(freq=6.0), with freq of:
6.0 = termFreq=6.0
2.217899 = idf(docFreq=13141, maxDocs=44421)
0.0625 = fieldNorm(doc=730)
0.25 = coord(1/4)
- Abstract
- In diesem Buch findet der Leser effiziente Methoden zur Optimierung Neuronaler Netze. Insbesondere durch die ausführliche Behandlung des Reinforcement Learning und der Evolution Optimierung geht es über den Inhalt der bisherigen Lehrbücher zum Thema Neuronale Netze hinaus. Die Optimierung neuronaler Modelle wird in folgende Faktoren aufgeteilt: Neuronale Modelle, Lernprobleme, Optimierungsverfahren und Hardwareimplementierung. Dadurch erhält der Leser die Möglichekit, in seiner eigenen Anwendung die Busteine seinen Zielen entsprechend zu kombinieren