arulprakash enoch (62 risultati)

Condizione: New. In.

Condizione: New.

Taschenbuch. Condizione: Neu. Améliorer l'explicabilité des réseaux neuronaux | En ce qui concerne l'importance des caractéristiques, les règles du domaine et la transparence algorithmique | Enoch Arulprakash (u. a.) | Taschenbuch | Französisch | 2025 | Editions Notre Savoir | EAN 9786202371148 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Condizione: New.

Condizione: New.

Condizione: New.

Condizione: New.

Taschenbuch. Condizione: Neu. Melhorar a explicabilidade da rede neural | Nos aspectos da importância das caraterísticas, das regras do domínio e da transparência algorítmica | Enoch Arulprakash (u. a.) | Taschenbuch | Portugiesisch | 2025 | Edições Nosso Conhecimento | EAN 9786202371179 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condizione: Neu. Zwi¿kszanie zrozumia¿o¿ci sieci neuronowych | Pod wzgl¿dem wa¿no¿ci funkcji, regu¿ domeny i przejrzysto¿ci algorytmu | Enoch Arulprakash (u. a.) | Taschenbuch | Polnisch | 2025 | Edizioni Sapienza | EAN 9786202371162 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condizione: Neu. Migliorare la spiegabilità delle reti neurali | Per quanto riguarda l'importanza delle caratteristiche, le regole di dominio e la trasparenza algoritmica | Enoch Arulprakash (u. a.) | Taschenbuch | Italienisch | 2025 | Edizioni Sapienza | EAN 9786202371155 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condizione: Neu. Verbesserung der Erklärbarkeit von neuronalen Netzen | In Bezug auf die Wichtigkeit der Merkmale, die Regeln des Bereichs und die Transparenz der Algorithmen | Enoch Arulprakash (u. a.) | Taschenbuch | 136 S. | Deutsch | 2025 | Verlag Unser Wissen | EAN 9786202371124 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 204 pp. Englisch.

Condizione: New. Print on Demand.

Condizione: New. PRINT ON DEMAND.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Artificial Intelligence (AI) driven by neural networks is crucial in many applications like recommendation systems, language translation, social media, chatbots, and spell-checking etc. However, these networks are often criticized for being 'black boxes,' raising concerns about their explainability, especially in sensitive domains like healthcare, autonomous driving etc. Existing methods to enhance explainability, such as feature importance, often lack clarity and interpretability.To address this, the Object-Oriented Neural Network for Improved Explainability (OONNIE) was developed. OONNIE uses object-oriented modeling to combine loss and connection weight for computing feature importance and integrates domain-specific rules through OOP's extendability. The model emphasizes algorithmic transparency by detailing every training step. Evaluated on XOR and XNOR functions, OONNIE shows promising results in feature importance, faster loss reduction, and improved predictions after integrating domain rules. This marks a significant contribution to explainable AI, making OONNIE a valuable tool for developing trustworthy AI systems.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 204 pp. Englisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 136 pp. Spanisch.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -La Inteligencia Artificial (IA) impulsada por redes neuronales es crucial en muchas aplicaciones como los sistemas de recomendación, la traducción de idiomas, las redes sociales, los chatbots, la corrección ortográfica, etc. Sin embargo, a menudo se critica a estas redes por ser 'cajas negras', lo que suscita dudas sobre su explicabilidad, especialmente en ámbitos sensibles como la sanidad, la conducción autónoma, etc. Los métodos existentes para mejorar la explicabilidad, como la importancia de las características, suelen carecer de claridad e interpretabilidad. Para solucionar este problema, se ha desarrollado la red neuronal orientada a objetos para mejorar la explicabilidad (OONNIE). OONNIE utiliza el modelado orientado a objetos para combinar la pérdida y el peso de la conexión para calcular la importancia de las características e integra reglas específicas del dominio gracias a la capacidad de ampliación de la programación orientada a objetos. El modelo enfatiza la transparencia algorítmica detallando cada paso del entrenamiento. Evaluado con funciones XOR y XNOR, OONNIE muestra resultados prometedores en la importancia de las características, una reducción más rápida de las pérdidas y una mejora de las predicciones tras integrar reglas de dominio. Esto supone una importante contribución a la IA explicable, lo que convierte a OONNIE en una valiosa herramienta para desarrollar sistemas de IA fiables.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 136 pp. Spanisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 136 pp. Französisch.

Paperback. Condizione: new. Paperback. L'intelligence artificielle (IA) pilotee par des reseaux neuronaux est cruciale dans de nombreuses applications telles que les systemes de recommandation, la traduction linguistique, les medias sociaux, les chatbots, les correcteurs orthographiques, etc. Cependant, ces reseaux sont souvent critiques pour etre des "boites noires", ce qui souleve des inquietudes quant a leur explicabilite, en particulier dans des domaines sensibles tels que les soins de sante, la conduite autonome, etc. Les methodes existantes pour ameliorer l'explicabilite, telles que l'importance des caracteristiques, manquent souvent de clarte et d'interpretabilite. Pour remedier a ce probleme, le reseau neuronal oriente objet pour une meilleure explicabilite (OONNIE) a ete mis au point. OONNIE utilise la modelisation orientee objet pour combiner la perte et le poids de connexion afin de calculer l'importance des caracteristiques et integre des regles specifiques au domaine grace a l'extensibilite de la POO. Le modele met l'accent sur la transparence algorithmique en detaillant chaque etape de la formation. Evalue sur les fonctions XOR et XNOR, OONNIE montre des resultats prometteurs en termes d'importance des caracteristiques, de reduction plus rapide des pertes et d'amelioration des predictions apres l'integration des regles du domaine. Il s'agit d'une contribution significative a l'IA explicable, qui fait d'OONNIE un outil precieux pour le developpement de systemes d'IA fiables. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -L'intelligence artificielle (IA) pilotée par des réseaux neuronaux est cruciale dans de nombreuses applications telles que les systèmes de recommandation, la traduction linguistique, les médias sociaux, les chatbots, les correcteurs orthographiques, etc. Cependant, ces réseaux sont souvent critiqués pour être des 'boîtes noires', ce qui soulève des inquiétudes quant à leur explicabilité, en particulier dans des domaines sensibles tels que les soins de santé, la conduite autonome, etc. Les méthodes existantes pour améliorer l'explicabilité, telles que l'importance des caractéristiques, manquent souvent de clarté et d'interprétabilité. Pour remédier à ce problème, le réseau neuronal orienté objet pour une meilleure explicabilité (OONNIE) a été mis au point. OONNIE utilise la modélisation orientée objet pour combiner la perte et le poids de connexion afin de calculer l'importance des caractéristiques et intègre des règles spécifiques au domaine grâce à l'extensibilité de la POO. Le modèle met l'accent sur la transparence algorithmique en détaillant chaque étape de la formation. Évalué sur les fonctions XOR et XNOR, OONNIE montre des résultats prometteurs en termes d'importance des caractéristiques, de réduction plus rapide des pertes et d'amélioration des prédictions après l'intégration des règles du domaine. Il s'agit d'une contribution significative à l'IA explicable, qui fait d'OONNIE un outil précieux pour le développement de systèmes d'IA fiables.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 136 pp. Französisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering.

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 132 pp. Polnisch.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

Paperback. Condizione: new. Paperback. L'intelligenza artificiale (AI) guidata dalle reti neurali e fondamentale in molte applicazioni come i sistemi di raccomandazione, la traduzione linguistica, i social media, i chatbot e il controllo ortografico, ecc. Tuttavia, queste reti sono spesso criticate per essere "scatole nere", sollevando preoccupazioni sulla loro spiegabilita, soprattutto in domini sensibili come la sanita, la guida autonoma, ecc. I metodi esistenti per migliorare la spiegabilita, come l'importanza delle caratteristiche, spesso mancano di chiarezza e interpretabilita. Per risolvere questo problema, e stata sviluppata la Object-Oriented Neural Network for Improved Explainability (OONNIE). OONNIE utilizza una modellazione orientata agli oggetti per combinare la perdita e il peso della connessione per calcolare l'importanza delle caratteristiche e integra regole specifiche del dominio grazie all'estensibilita di OOP. Il modello enfatizza la trasparenza dell'algoritmo, descrivendo in dettaglio ogni fase dell'addestramento. Valutato su funzioni XOR e XNOR, OONNIE mostra risultati promettenti per quanto riguarda l'importanza delle caratteristiche, la riduzione piu rapida delle perdite e il miglioramento delle previsioni dopo l'integrazione delle regole del dominio. Cio rappresenta un contributo significativo all'IA spiegabile, rendendo OONNIE uno strumento prezioso per lo sviluppo di sistemi di IA affidabili. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.