Künstliche Intelligenz in intelligenten Systemen
Angewandte Anwendungsfälle Teil 2
Versandkostenfrei!
Versandfertig in 6-10 Tagen
79,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In diesem Buch werden einige KI-Implementierungen unter Verwendung beliebter maschineller Lernmodelle besprochen, wie z. B.: Entscheidungsbaum-Algorithmus, Random Forest Algorithmus, Deep Learning und neuronale Faltungsnetze. Darüber hinaus verbindet diese Arbeit die Emotionserkennung mit dem kulturellen Kontext. Sie befasst sich mit den aktuellen KI-Anwendungen in der Luft- und Raumfahrtindustrie und konzentriert sich dabei auf die Verbesserung der Sicherheit, die vorausschauende Wartung und die Entwicklung des Konzepts der Smart Factory. Darüber hinaus wird aufgezeigt, wie FIWARE und intel...
In diesem Buch werden einige KI-Implementierungen unter Verwendung beliebter maschineller Lernmodelle besprochen, wie z. B.: Entscheidungsbaum-Algorithmus, Random Forest Algorithmus, Deep Learning und neuronale Faltungsnetze. Darüber hinaus verbindet diese Arbeit die Emotionserkennung mit dem kulturellen Kontext. Sie befasst sich mit den aktuellen KI-Anwendungen in der Luft- und Raumfahrtindustrie und konzentriert sich dabei auf die Verbesserung der Sicherheit, die vorausschauende Wartung und die Entwicklung des Konzepts der Smart Factory. Darüber hinaus wird aufgezeigt, wie FIWARE und intelligente Systeme die Verwaltung von Ressourcen und die Entwicklung von Smart Cities unterstützen. Das Potenzial intelligenter Technologien, einschließlich IoT, Drohnen, Raspberry Pi und Ensemble Learning, in verschiedenen Bereichen wie Landwirtschaft, Überwachung und Gesundheitswesen wird ebenfalls beleuchtet. Darüber hinaus befasst sich das Buch mit den Herausforderungen, die das exponentielleDatenwachstum im Energiesektor mit sich bringt, und mit der Rolle von Phasor Measurement Units bei der Überwachung der Energiewende. Die Ergebnisse verdeutlichen die Vorteile dieser Technologien bei der Verbesserung der Effizienz, der Kostensenkung und bei innovativen Lösungen für bestehende Herausforderungen. Ähnlich wie in Teil 1 können die Leser auch von einem Python-Beispiel profitieren, das Transfer Learning mit ResNet50 einsetzt.
Andere Kunden interessierten sich für
