Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Evolutionary Models for Computing Photosynthetically Active Radiation.
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: Samuel Chukwujindu Nwokolo
ISBN: 9786202564724
Год издания: 2020
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 204
Издательство: LAP LAMBERT Academic Publishing
Цена: 43812 тг
Положить в корзину
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: This book is intended primarily for students, lecturers, researchers, analysts, statistical estimators, machine learning and other soft computing evaluators, institutions, government and non-governmental agencies, corporate bodies, and the public in the field of photosynthetically active radiation (PAR), renewable energy, ecology, solar and atmospheric physics, atmospheric and meteorological physics, plant science, agricultural meteorology and horticultural studies etc., to quantify, analyze, evaluate and model many challenges in a simple and logical way to present a few solutions application of, well-understandable and high-tech principles, knowledge and knowledge of PAR modeling. The purpose is to take readers' understanding into consideration of analytical procedure, techniques, applications and optimization techniques based on empirical algorithm, machine learning and evolutionary techniques applied in statistical machine learning modeling; and the confidence and skills necessary to effectively analyze, interpret, quantify and model PAR data.
Ключевые слова: Photosynthetically active radiation, gene expression programming, Empirical models, Bayesian optimization, linear regression optimization, artificial neural network, Fuzzy logic, Support Vector Machines, wavelet transform, Multi-layer Perceptron, Radial Basis Neural Network, Generalized Regression Neural Networks, Deep Learning neural network