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 SerieY-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
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Deep Learning for Polymer Discovery

Gang Liu, Eric Inae, Meng Jiang (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book presents a comprehensive range of topics in deep learning for polymer discovery, from fundamental concepts to advanced methodologies. These topics are crucial as they address critical challenges in polymer science and engineering. With a growing demand for new materials with specific properties, traditional experimental methods for polymer discovery are becoming increasingly time-consuming and costly. Deep learning offers a promising solution by enabling rapid screening of potential polymers and accelerating the design process. The authors begin with essential knowledge on polymer data representations and neural network architectures, then progress to deep learning frameworks for property prediction and inverse polymer design. The book then explores both sequence-based and graph-based approaches, covering various neural network types including LSTMs, GRUs, GCNs, and GINs. Advanced topics include interpretable graph deep learning with environment-based augmentation, semi-supervised techniques for addressing label imbalance, and data-centric transfer learning using diffusion models. The book aims to solve key problems in polymer discovery, including accurate property prediction, efficient design of polymers with desired characteristics, model interpretability, handling imbalanced and limited labeled data, and leveraging unlabeled data to improve prediction accuracy.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 30,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
24.05.2025
Sprache
Englisch
EAN
9783031847318
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Synthesis Lectures on Data Mining and Knowledge Discovery
Sonderedition
Nein
Autor
Gang Liu, Eric Inae, Meng Jiang
Seitenanzahl
123
Einbandart
Gebundene Ausgabe
Buch Untertitel
Foundation and Advances
Schlagwörter
Deep Learning for Polymer Discovery, AI in Materials Science and Engineering, Neural Networks for Polymer Property Prediction, Inverse Polymer Design using Machine Learning, Graph Neural Networks in Polymer Science, Interpretable AI for Materials Research, Semi-supervised Learning in Polymer Discovery, Data-centric Transfer Learning for Polymers, Machine Learning for Sustainable Materials Development, Advanced Polymer Design Techniques using Artificial Intelligence
Thema-Inhalt
UYQ - Künstliche Intelligenz TGMP - Technische Anwendung von Polymeren und Verbundwerkstoffen TGM - Materialwissenschaft UNF - Data Mining UYQE - Wissensbasierte Systeme, Expertensysteme UYQM - Maschinelles Lernen UY - Informatik
Höhe
240 mm
Breite
16.8 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!