Minimum Divergence Methods in Statistical Machine Learning: From an Information Geometric Viewpoint

by Shinto Eguchi, Osamu Komori

1st ed. 2022. - Tokyo: Springer Japan, Imprint: Springer, 2022

Online Monographie, Elektronische Ressource - 1 Online-Ressource (X, 221 p. 18 illus., 15 illus. in color)

Zugriff:

Springer Mathematics & Statistics 2022 (Volltext)

Titel:	Minimum Divergence Methods in Statistical Machine Learning: From an Information Geometric Viewpoint
Verantwortlichkeitsangabe:	by Shinto Eguchi, Osamu Komori
Autor/in / Beteiligte Person:	Eguchi, Shinto ; Komori, Osamu
Lokaler Link:	Springer Mathematics & Statistics 2022 (Volltext)
Link:	Volltext
Ausgabe:	1st ed. 2022
Veröffentlichung:	Tokyo: Springer Japan, Imprint: Springer, 2022
Medientyp:	Monographie
Datenträgertyp:	Elektronische Ressource
Umfang:	1 Online-Ressource (X, 221 p. 18 illus., 15 illus. in color)
ISBN:	9784431569220
DOI:	10.1007/978-4-431-56922-0
Schlagwort:	Statistics Computer science—Mathematics Mathematical statistics
Sonstiges:	Online-Ressource [Kann nicht per Fernleihe bestellt werden!] Printed edition: 9784431569206 Printed edition: 9784431569213 Lokale Notationen: TKK; TBM Fächer: Mathematik hbz Verbund-ID: HT021306681

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.