Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen:
Gespeichert in:
1. Verfasser: | |
---|---|
Format: | Buch |
Sprache: | German |
Veröffentlicht: |
2000
|
Schlagworte: | |
Beschreibung: | München, Techn. Univ., Diss., 2000 |
Beschreibung: | III, 159 Bl. graph. Darst. |
Internformat
MARC
LEADER | 00000nam a2200000 c 4500 | ||
---|---|---|---|
001 | BV013441309 | ||
003 | DE-604 | ||
005 | 20001121 | ||
007 | t | ||
008 | 001120s2000 d||| m||| 00||| ger d | ||
035 | |a (OCoLC)634653087 | ||
035 | |a (DE-599)BVBBV013441309 | ||
040 | |a DE-604 |b ger |e rakwb | ||
041 | 0 | |a ger | |
049 | |a DE-91G | ||
100 | 1 | |a Hofmann, Reimar |e Verfasser |4 aut | |
245 | 1 | 0 | |a Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen |c Reimar Hofmann |
264 | 1 | |c 2000 | |
300 | |a III, 159 Bl. |b graph. Darst. | ||
336 | |b txt |2 rdacontent | ||
337 | |b n |2 rdamedia | ||
338 | |b nc |2 rdacarrier | ||
500 | |a München, Techn. Univ., Diss., 2000 | ||
650 | 0 | 7 | |a Graphisches Modell |0 (DE-588)4606156-3 |2 gnd |9 rswk-swf |
650 | 0 | 7 | |a Kognitives Lernen |0 (DE-588)4164479-7 |2 gnd |9 rswk-swf |
650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
650 | 0 | 7 | |a Dichteschätzung |0 (DE-588)4353528-8 |2 gnd |9 rswk-swf |
650 | 0 | 7 | |a Bayes-Netz |0 (DE-588)4567228-3 |2 gnd |9 rswk-swf |
655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
689 | 0 | 1 | |a Kognitives Lernen |0 (DE-588)4164479-7 |D s |
689 | 0 | 2 | |a Bayes-Netz |0 (DE-588)4567228-3 |D s |
689 | 0 | 3 | |a Graphisches Modell |0 (DE-588)4606156-3 |D s |
689 | 0 | 4 | |a Dichteschätzung |0 (DE-588)4353528-8 |D s |
689 | 0 | |5 DE-604 | |
999 | |a oai:aleph.bib-bvb.de:BVB01-009174275 |
Datensatz im Suchindex
_version_ | 1804128232488828928 |
---|---|
any_adam_object | |
author | Hofmann, Reimar |
author_facet | Hofmann, Reimar |
author_role | aut |
author_sort | Hofmann, Reimar |
author_variant | r h rh |
building | Verbundindex |
bvnumber | BV013441309 |
ctrlnum | (OCoLC)634653087 (DE-599)BVBBV013441309 |
format | Book |
fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01429nam a2200397 c 4500</leader><controlfield tag="001">BV013441309</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20001121 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">001120s2000 d||| m||| 00||| ger d</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)634653087</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV013441309</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91G</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Hofmann, Reimar</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen</subfield><subfield code="c">Reimar Hofmann</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2000</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">III, 159 Bl.</subfield><subfield code="b">graph. Darst.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">München, Techn. Univ., Diss., 2000</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Graphisches Modell</subfield><subfield code="0">(DE-588)4606156-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Kognitives Lernen</subfield><subfield code="0">(DE-588)4164479-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Dichteschätzung</subfield><subfield code="0">(DE-588)4353528-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bayes-Netz</subfield><subfield code="0">(DE-588)4567228-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Kognitives Lernen</subfield><subfield code="0">(DE-588)4164479-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Bayes-Netz</subfield><subfield code="0">(DE-588)4567228-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Graphisches Modell</subfield><subfield code="0">(DE-588)4606156-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Dichteschätzung</subfield><subfield code="0">(DE-588)4353528-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-009174275</subfield></datafield></record></collection> |
genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
genre_facet | Hochschulschrift |
id | DE-604.BV013441309 |
illustrated | Illustrated |
indexdate | 2024-07-09T18:45:58Z |
institution | BVB |
language | German |
oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-009174275 |
oclc_num | 634653087 |
open_access_boolean | |
owner | DE-91G DE-BY-TUM |
owner_facet | DE-91G DE-BY-TUM |
physical | III, 159 Bl. graph. Darst. |
publishDate | 2000 |
publishDateSearch | 2000 |
publishDateSort | 2000 |
record_format | marc |
spelling | Hofmann, Reimar Verfasser aut Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Reimar Hofmann 2000 III, 159 Bl. graph. Darst. txt rdacontent n rdamedia nc rdacarrier München, Techn. Univ., Diss., 2000 Graphisches Modell (DE-588)4606156-3 gnd rswk-swf Kognitives Lernen (DE-588)4164479-7 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Dichteschätzung (DE-588)4353528-8 gnd rswk-swf Bayes-Netz (DE-588)4567228-3 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Maschinelles Lernen (DE-588)4193754-5 s Kognitives Lernen (DE-588)4164479-7 s Bayes-Netz (DE-588)4567228-3 s Graphisches Modell (DE-588)4606156-3 s Dichteschätzung (DE-588)4353528-8 s DE-604 |
spellingShingle | Hofmann, Reimar Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Graphisches Modell (DE-588)4606156-3 gnd Kognitives Lernen (DE-588)4164479-7 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Dichteschätzung (DE-588)4353528-8 gnd Bayes-Netz (DE-588)4567228-3 gnd |
subject_GND | (DE-588)4606156-3 (DE-588)4164479-7 (DE-588)4193754-5 (DE-588)4353528-8 (DE-588)4567228-3 (DE-588)4113937-9 |
title | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen |
title_auth | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen |
title_exact_search | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen |
title_full | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Reimar Hofmann |
title_fullStr | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Reimar Hofmann |
title_full_unstemmed | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Reimar Hofmann |
title_short | Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen |
title_sort | lernen der struktur nichtlinearer abhangigkeiten mit graphischen modellen |
topic | Graphisches Modell (DE-588)4606156-3 gnd Kognitives Lernen (DE-588)4164479-7 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Dichteschätzung (DE-588)4353528-8 gnd Bayes-Netz (DE-588)4567228-3 gnd |
topic_facet | Graphisches Modell Kognitives Lernen Maschinelles Lernen Dichteschätzung Bayes-Netz Hochschulschrift |
work_keys_str_mv | AT hofmannreimar lernenderstrukturnichtlinearerabhangigkeitenmitgraphischenmodellen |