fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf

Site Breadcrumb

Verkauf durch Sack Fachmedien

Lanzi / Wilson / Stolzmann

Advances in Learning Classifier Systems

4th International Workshop, IWLCS 2001, San Francisco, CA, USA, July 7-8, 2001. Revised Papers

Medium: Buch
ISBN: 978-3-540-43793-2
Verlag: Springer Berlin Heidelberg
Erscheinungstermin: 12.06.2002
In den Warenkorb
Lieferfrist: bis zu 10 Tage
Auf die Merkliste Drucken
Leseprobe
Überschrift

Beschreibung

Kostenloser Versand

nach Deutschland, Österreich und in die Schweiz

Bequem zahlen

Rechnung, Kreditkarte, PayPal oder Bankeinzug

Wir sind gerne für Sie da

0800 000-1378 (Inland)
service@fachmedien.de
<<Kontaktformular>>

Fragen

Fragen Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua
Anwtorten

Anwtorten At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet

UniversityofPennsylvania,USA TimKovacs UniversityofBirmingham,UK PierLucaLanzi PolitecnicodiMilano,Italy RickL. Riolo UniversityofMichigan,USA OlivierSigaud AnimatLab-LIP6,France RobertE. Smith TheUniversityofTheWestofEngland,UK WolfgangStolzmann DaimlerChryslerAG,Germany KeikiTakadama ATRInternational,Japan StewartW. Wilson TheUniversityofIllinoisatUrbana-Champaign,USA PredictionDynamics,USA TableofContents ITheory BiasingExplorationinanAnticipatoryLearningClassi?erSystem. 3 MartinV. Butz An Incremental Multiplexer Problem and Its Uses in Classi?er System Research. 23 LawrenceDavis,ChunshengFu,StewartW. Wilson AMinimalModelofCommunicationforaMulti-agentClassi?erSystem. 32 ´ GillesEn´ee,CathyEscazut A Representation for Accuracy-Based Assessment of Classi?er System PredictionPerformance. 43 JohnH. Holmes ASelf-AdaptiveXCS. 57 JacobHurst,LarryBull TwoViewsofClassi?erSystems. 74 TimKovacs SocialSimulationUsingaMulti-agentModelBasedonClassi?erSystems: TheEmergenceofVacillatingBehaviourinthe“ElFarol”BarProblem. 88 LuisMiramontesHercog,TerenceC. Fogarty II Applications XCSandGALE:AComparativeStudyofTwoLearningClassi?erSystems onDataMining. 115 EsterBernad´o,XavierLlor`a,JosepM. Garrell APreliminaryInvestigationofModi?edXCSasaGenericDataMining Tool. 133 PhillipWilliamDixon,DavidW. Corne,MartinJohnOates ExplorationsinLCSModelsofStockTrading. 151 SoniaSchulenburg,PeterRoss On-LineApproachforLossReductioninElectricPowerDistribution NetworksUsingLearningClassi?erSystems. 181 Patr´?ciaAmˆancioVargas,ChristianoLyraFilho, FernandoJ. VonZuben VIII TableofContents CompactRulesetsfromXCSI. 197 StewartW. Wilson III Appendix AnAlgorithmicDescriptionofACS2. 211 MartinV. Butz,WolfgangStolzmann AuthorIndex. 231 BiasingExplorationinan AnticipatoryLearningClassi?erSystem MartinV. Butz DepartmentofCognitivePsychology,UniversityofWurz ¨ burg R¨ ontgenring11,97070Wurz ¨ burg,Germany butz@psychologie. uni-wuerzburg. de Abstract. Thechapterinvestigateshowmodelandbehaviorallearning can be improved in an anticipatory learning classi?er system by bi- ing exploration. First, theappliedsystemACS2isexplained. Next,an overviewoverthepossibilitiesofapplyingexplorationbiasesinanant- ipatory learning classi?er systemand speci?cally ACS2 is provided.

Produkteigenschaften

  • Artikelnummer: 9783540437932
  • Medium: Buch
  • ISBN: 978-3-540-43793-2
  • Verlag: Springer Berlin Heidelberg
  • Erscheinungstermin: 12.06.2002
  • Sprache(n): Englisch
  • Auflage: 2002
  • Serie: Lecture Notes in Artificial Intelligence
  • Produktform: Kartoniert
  • Gewicht: 376 g
  • Seiten: 236
  • Format (B x H x T): 155 x 235 x 14 mm
  • Ausgabetyp: Kein, Unbekannt

Themen

Autoren/Hrsg.

Herausgeber

Theory.- Biasing Exploration in an Anticipatory Learning Classifier System.- An Incremental Multiplexer Problem and Its Uses in Classifier System Research.- A Minimal Model of Communication for a Multi-agent Classifier System.- A Representation for Accuracy-Based Assessment of Classifier System Prediction Performance.- A Self-Adaptive XCS.- Two Views of Classifier Systems.- Social Simulation Using a Multi-agent Model Based on Classifier Systems: The Emergence of Vacillating Behaviour in the “El Farol” Bar Problem.- Applications.- XCS and GALE: A Comparative Study of Two Learning Classifier Systems on Data Mining.- A Preliminary Investigation of Modified XCS as a Generic Data Mining Tool.- Explorations in LCS Models of Stock Trading.- On-Line Approach for Loss Reduction in Electric Power Distribution Networks Using Learning Classifier Systems.- Compact Rulesets from XCSI.- An Algorithmic Description of ACS2.