Computational Finance - 7 Angebote vergleichen
Bester Preis: € 9,49 (vom 01.10.2019)1
Knstliche Intelligenz und Entscheidungstheorie
DE NW EBISBN: 9783824400966 bzw. 3824400960, in Deutsch, Deutscher Universittsverlag, neu, E-Book.
Lieferung aus: Vereinigte Staaten von Amerika, E-Book zum download.
Computers, 1. Einfhrung und Problemstellung der Arbeit.- 1.1. Einfhrung in die Theorie des Diagnoseproblems.- 1.1.1. Vorbetrachtungen zum Diagnoseproblem.- 1.1.2. Ebenen des Diagnoseproblems.- 1.2. Entscheidungstheorie und das Diagnoseproblem.- 1.2.1. Definitionen zum Diagnoseproblem.- 1.2.2. Die Einordnung des Diagnoseproblems in die klassische Entscheidungstheorie.- 1.2.3. Die Handhabung eines Diagnoseproblems: Das MYCIN-Projekt.- 1.2.4. Mustererkennung durch Knstliche Neuronale Netze (KNN).- 1.3. Interpretationen des Diagnoseproblems.- 1.3.1. Die Interpretation des Diagnoseproblems als Schlufolgern unter Unsicherheit'.- 1.3.2. Die Interpretation des Diagnoseproblems als Mustererkennungsproblem.- 1.4. Symbolische Entscheidungstheorie versus konnektionistische Entscheidungstheorie.- 1.5. Notwendige Abgrenzungen der Arbeit.- 2. Knstliche Intelligenz und eine symbolverarbeitende Entscheidungstheorie des Diagnoseproblems.- 2.1. Entwicklungslinien der KI und der Entscheidungstheorie.- 2.1.1. Einleitung.- 2.1.2. Einflsse der KI auf die Entscheidungstheorie.- 2.1.3. Entwicklungsrichtungen in der Entscheidungstheorie.- 2.1.4. Entwicklungsrichtungen in der KI: Die ersten Expertensysteme.- 2.1.4.1. Die DENDRAL-Programme.- 2.1.4.2. Das MYCIN-Projekt.- 2.1.4.3. PROSPECTOR.- 2.1.5. Die Handhabung eines Konfigurationsproblems: R1.- 2.2. Das einfache Diagnoseproblem.- 2.2.1. Der Prdikatenkalkl erster Stufe.- 2.2.2. Das Beschreiben und Erkennen von Situationen beim einfachen Diagnoseproblem.- 2.2.3. Der Satz der handlungskonsistenten Zerlegbarkeit von Situationen.- 2.2.4. Semantische Netze.- 2.2.4.1. Einleitung.- 2.2.4.2. Geschichte und Entwicklung semantischer Netze.- 2.2.4.3. Definition und Konzepte.- 2.2.4.4. Die Framenotation.- 2.2.4.5. Anwendung semantischer Netze.- 2.2.5. Die Beschreibung des Entscheidungsfelds als Framemenge.- 2.2.6. Nutzung gemeinsamer Eigenschaften zur quivalenzklassenbildung.- 2.2.7. Typen des einfachen Diagnoseproblems.- 2.2.8. Produktionssysteme und regelbasierte Systeme.- 2.2.8.1. Produktionsregeln zur Programmierung einer Erkenne-Handle-Maschine'.- 2.2.8.2. Regeln als Wissenreprsentation.- 2.2.8.2.1. Begriffe und Definitionen.- 2.2.8.2.2. Graphische Darstellungen von Regelmengen.- 2.2.8.2.3. Typen von Wissensbasen.- 2.2.8.2.4. Probleme von Regeln.- 2.2.9. Die Beschreibung eines einfachen Diagnoseproblems durch Regeln.- 2.2.10. Gemeinsamkeiten und Unterschiede der vorgestellten Konzepte.- 2.3. Das allgemeine Diagnoseproblem.- 2.3.1. Die Besonderheiten des Diagnoseproblems.- 2.3.2. Definition zum Diagnoseproblem.- 2.3.3. Methoden des probabilistischen Schlieens (uncertain reasoning').- 2.3.3.1. Einleitung.- 2.3.3.2. Das Bayes-Theorem als Grundlage eines Modells des uncertain reasoning'.- 2.3.3.3. Zadehs Theorie der fuzzy sets'.- 2.3.3.4. Das MYCIN-Modell.- 2.3.3.5. Das Prospector-Modell.- 2.3.3.6. Quinlans Kritik.- 2.3.3.7. Schlubetrachtungen zu den vorgestellten Modellen.- 2.3.4. Die Modellierung von Lsungsobjekten eines Diagnoseproble, eBook.
Computers, 1. Einfhrung und Problemstellung der Arbeit.- 1.1. Einfhrung in die Theorie des Diagnoseproblems.- 1.1.1. Vorbetrachtungen zum Diagnoseproblem.- 1.1.2. Ebenen des Diagnoseproblems.- 1.2. Entscheidungstheorie und das Diagnoseproblem.- 1.2.1. Definitionen zum Diagnoseproblem.- 1.2.2. Die Einordnung des Diagnoseproblems in die klassische Entscheidungstheorie.- 1.2.3. Die Handhabung eines Diagnoseproblems: Das MYCIN-Projekt.- 1.2.4. Mustererkennung durch Knstliche Neuronale Netze (KNN).- 1.3. Interpretationen des Diagnoseproblems.- 1.3.1. Die Interpretation des Diagnoseproblems als Schlufolgern unter Unsicherheit'.- 1.3.2. Die Interpretation des Diagnoseproblems als Mustererkennungsproblem.- 1.4. Symbolische Entscheidungstheorie versus konnektionistische Entscheidungstheorie.- 1.5. Notwendige Abgrenzungen der Arbeit.- 2. Knstliche Intelligenz und eine symbolverarbeitende Entscheidungstheorie des Diagnoseproblems.- 2.1. Entwicklungslinien der KI und der Entscheidungstheorie.- 2.1.1. Einleitung.- 2.1.2. Einflsse der KI auf die Entscheidungstheorie.- 2.1.3. Entwicklungsrichtungen in der Entscheidungstheorie.- 2.1.4. Entwicklungsrichtungen in der KI: Die ersten Expertensysteme.- 2.1.4.1. Die DENDRAL-Programme.- 2.1.4.2. Das MYCIN-Projekt.- 2.1.4.3. PROSPECTOR.- 2.1.5. Die Handhabung eines Konfigurationsproblems: R1.- 2.2. Das einfache Diagnoseproblem.- 2.2.1. Der Prdikatenkalkl erster Stufe.- 2.2.2. Das Beschreiben und Erkennen von Situationen beim einfachen Diagnoseproblem.- 2.2.3. Der Satz der handlungskonsistenten Zerlegbarkeit von Situationen.- 2.2.4. Semantische Netze.- 2.2.4.1. Einleitung.- 2.2.4.2. Geschichte und Entwicklung semantischer Netze.- 2.2.4.3. Definition und Konzepte.- 2.2.4.4. Die Framenotation.- 2.2.4.5. Anwendung semantischer Netze.- 2.2.5. Die Beschreibung des Entscheidungsfelds als Framemenge.- 2.2.6. Nutzung gemeinsamer Eigenschaften zur quivalenzklassenbildung.- 2.2.7. Typen des einfachen Diagnoseproblems.- 2.2.8. Produktionssysteme und regelbasierte Systeme.- 2.2.8.1. Produktionsregeln zur Programmierung einer Erkenne-Handle-Maschine'.- 2.2.8.2. Regeln als Wissenreprsentation.- 2.2.8.2.1. Begriffe und Definitionen.- 2.2.8.2.2. Graphische Darstellungen von Regelmengen.- 2.2.8.2.3. Typen von Wissensbasen.- 2.2.8.2.4. Probleme von Regeln.- 2.2.9. Die Beschreibung eines einfachen Diagnoseproblems durch Regeln.- 2.2.10. Gemeinsamkeiten und Unterschiede der vorgestellten Konzepte.- 2.3. Das allgemeine Diagnoseproblem.- 2.3.1. Die Besonderheiten des Diagnoseproblems.- 2.3.2. Definition zum Diagnoseproblem.- 2.3.3. Methoden des probabilistischen Schlieens (uncertain reasoning').- 2.3.3.1. Einleitung.- 2.3.3.2. Das Bayes-Theorem als Grundlage eines Modells des uncertain reasoning'.- 2.3.3.3. Zadehs Theorie der fuzzy sets'.- 2.3.3.4. Das MYCIN-Modell.- 2.3.3.5. Das Prospector-Modell.- 2.3.3.6. Quinlans Kritik.- 2.3.3.7. Schlubetrachtungen zu den vorgestellten Modellen.- 2.3.4. Die Modellierung von Lsungsobjekten eines Diagnoseproble, eBook.
2
Computational Finance - Eine Matlab, Octave und Freemat basierte Einführung
DE NW EB DLISBN: 9783749444144 bzw. 3749444145, in Deutsch, Books On Demand, neu, E-Book, elektronischer Download.
Lieferung aus: Deutschland, Versandkostenfrei.
Computational Finance: Das vorliegende Buch gibt eine umfassende Einführung in Grundlagen, Methoden und praktische Anwendungen des Computational Finance (CF). Es vermittelt lehrbuchartig die Umsetzung und den Einsatz statistischer und numerischer Methoden unter Verwendung von Matlab, Octave und Freemat. Besondere Schwerpunkte bilden Optimierungsmethoden sowie Prognose- und Simulationstechniken. Jedes Kapitel beinhaltet mehrere CF-basierte Fallstudien z.B. aus der Portfolioplanung, der Risikoschätzung oder der Portfolio Insurance. Alle Fallstudien lassen sich anhand beigefügter Demo-Codes selbstständig nacharbeiten. Das Buch will primär grundlegende Fähigkeiten in der Programmierung und beim Einsatz des CF entwickeln. Es richtet sich vorrangig an Studierende im fortgeschrittenen Bachelor- und Masterstudium, ist aber für Praktiker gleichermaßen geeignet. Die Inhalte und Beispiele basieren auf zahlreichen Praxis-Seminaren und aus der Umsetzung in Industrieprojekten, sodass Fragen der praktischen Anwendung trotz des Einführungscharakters im zentralen Fokus stehen. Dabei werden stets die theoretischen Grundlagen kompakt zusammengefasst, deren Umsetzung im Matlab, Octave oder Freemat aufgezeigt und schließlich der Einsatz an praktischen Beispielen demonstriert. Ebook.
Computational Finance: Das vorliegende Buch gibt eine umfassende Einführung in Grundlagen, Methoden und praktische Anwendungen des Computational Finance (CF). Es vermittelt lehrbuchartig die Umsetzung und den Einsatz statistischer und numerischer Methoden unter Verwendung von Matlab, Octave und Freemat. Besondere Schwerpunkte bilden Optimierungsmethoden sowie Prognose- und Simulationstechniken. Jedes Kapitel beinhaltet mehrere CF-basierte Fallstudien z.B. aus der Portfolioplanung, der Risikoschätzung oder der Portfolio Insurance. Alle Fallstudien lassen sich anhand beigefügter Demo-Codes selbstständig nacharbeiten. Das Buch will primär grundlegende Fähigkeiten in der Programmierung und beim Einsatz des CF entwickeln. Es richtet sich vorrangig an Studierende im fortgeschrittenen Bachelor- und Masterstudium, ist aber für Praktiker gleichermaßen geeignet. Die Inhalte und Beispiele basieren auf zahlreichen Praxis-Seminaren und aus der Umsetzung in Industrieprojekten, sodass Fragen der praktischen Anwendung trotz des Einführungscharakters im zentralen Fokus stehen. Dabei werden stets die theoretischen Grundlagen kompakt zusammengefasst, deren Umsetzung im Matlab, Octave oder Freemat aufgezeigt und schließlich der Einsatz an praktischen Beispielen demonstriert. Ebook.
3
Künstliche Intelligenz und Entscheidungstheorie (1992)
DE PB NWISBN: 9783824400966 bzw. 3824400960, in Deutsch, 428 Seiten, 1992. Ausgabe, Deutscher Universitäts-Verlag, Taschenbuch, neu.
Lieferung aus: Deutschland, Versandfertig in 1 - 2 Werktagen.
Von Händler/Antiquariat, BOOKS_ANY_USA.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Von Händler/Antiquariat, BOOKS_ANY_USA.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Lade…