Merkzettel Warenkorb
Produktbild: Knowledge Guided Machine Learning

Knowledge Guided Machine Learning Accelerating Discovery using Scientific Knowledge and Data

199,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.08.2022

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Raster, farbig, Zeichnungen, schwarz-weiss, Zeichnungen, farbig, Tabellen, schwarz-weiss

Herausgeber

Anuj Karpatne + weitere

Verlag

Taylor & Francis

Seitenzahl

430

Maße (L/B/H)

26/18,3/2,8 cm

Gewicht

1140 g

Sprache

Englisch

ISBN

978-0-367-69341-1

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.08.2022

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Raster, farbig, Zeichnungen, schwarz-weiss, Zeichnungen, farbig, Tabellen, schwarz-weiss

Herausgeber

Verlag

Taylor & Francis

Seitenzahl

430

Maße (L/B/H)

26/18,3/2,8 cm

Gewicht

1140 g

Sprache

Englisch

ISBN

978-0-367-69341-1

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
Die Leseprobe wird geladen.
  • Produktbild: Knowledge Guided Machine Learning

  • About the Editors. List of Contributors. 1 Introduction. 2 Targeted Use of Deep Learning for Physics and Engineering. 3 Combining Theory and Data-Driven Approaches for Epidemic Forecasts. 4 Machine Learning and Projection-Based Model Reduction in Hydrology and Geosciences. 5 Applications of Physics-Informed Scientific Machine Learning in Subsurface Science: A Survey. 6 Adaptive Training Strategies for Physics-Informed Neural Networks. 7 Modern Deep Learning for Modeling Physical Systems. 8 Physics-Guided Deep Learning for Spatiotemporal Forecasting. 9 Science-Guided Design and Evaluation of Machine Learning Models: A Case-Study on Multi-Phase Flows. 10 Using the Physics of Electron Beam Interactions to Determine Optimal Sampling and Image Reconstruction Strategies for High Resolution STEM. 11 FUNNL: Fast Nonlinear Nonnegative Unmixing for Alternate Energy Systems. 12 Structure Prediction from Scattering Profiles: A Neutron-Scattering Use-Case. 13 Physics-Infused Learning: A DNN and GAN Approach. 14 Combining System Modeling and Machine Learning into Hybrid Ecosystem Modeling. 15 Physics-Guided Neural Networks (PGNN): An Application in Lake Temperature Modeling. 16 Physics-Guided Recurrent Neural Networks for Predicting Lake Water Temperature. 17 Physics-Guided Architecture (PGA) of LSTM Models for Uncertainty Quantification in Lake Temperature Modeling, Index.