Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Deep Learning for Hydrometeorology and Environmental Science

Taesam Lee, Vijay P. Singh, Kyung Hwa Cho (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book provides a step-by-step methodology and derivation of deep learning algorithms as Long Short-Term Memory (LSTM) and Convolution Neural Network (CNN), especially for estimating parameters, with back-propagation as well as examples with real datasets of hydrometeorology (e.g. streamflow and temperature) and environmental science (e.g. water quality). Deep learning is known as part of machine learning methodology based on the artificial neural network. Increasing data availability and computing power enhance applications of deep learning to hydrometeorological and environmental fields. However, books that specifically focus on applications to these fields are limited. Most of deep learning books demonstrate theoretical backgrounds and mathematics. However, examples with real data and step-by-step explanations to understand the algorithms in hydrometeorology and environmental science are very rare. This book focuses on the explanation of deep learning techniques and their applications to hydrometeorological and environmental studies with real hydrological and environmental data. This book covers the major deep learning algorithms as Long Short-Term Memory (LSTM) and Convolution Neural Network (CNN) as well as the conventional artificial neural network model.
128,39 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
28.01.2022
Sprache
Englisch
EAN
9783030647797
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Water Science and Technology Library
Sonderedition
Nein
Autor
Taesam Lee, Vijay P. Singh, Kyung Hwa Cho
Seitenanzahl
204
Einbandart
Broschiert
Schlagwörter
Hydrology, Meteorology, Artificial neural networks, Climate index, Convolutional neural networks, Lon Short-Term Memory (LSTM)
Thema-Inhalt
RBK - Hydrologie und die Hydrosphäre UYQ - Künstliche Intelligenz RN - Umwelt PBW - Angewandte Mathematik PBWH - Mathematische Modellierung PSAF - Ökologie, Biosphäre
Höhe
235 mm
Breite
15.5 cm

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!