KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: AI for Time Series

AI for Time Series Volume 1: Unlocking Patterns with Deep Learning

305,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

This book provides a thorough exploration of the latest innovations in AI for general time series analysis, distribution shift and foundation models. It offers an in-depth look at cutting-edge techniques and methodologies, using advance algorithms that are transforming time series analysis across industries....

Beschreibung

This book provides a thorough exploration of the latest innovations in AI for general time series analysis, distribution shift and foundation models. It offers an in-depth look at cutting-edge techniques and methodologies, using advance algorithms that are transforming time series analysis across industries.

Produktdetails

Einband

Gebundene Ausgabe
Erscheinungsdatum

22.05.2026
Abbildungen

schwarz-weiss Illustrationen, Zeichnungen, schwarz-weiss
Herausgeber Min Wu + weitere

Produktdetails

Einband

Gebundene Ausgabe
Erscheinungsdatum

22.05.2026
Abbildungen

schwarz-weiss Illustrationen, Zeichnungen, schwarz-weiss
Herausgeber
Verlag Taylor and Francis
Seitenzahl

268
Maße (L/B/H)

24/16,1/1,9 cm
Gewicht

519 g
Sprache

Englisch
ISBN

978-1-04-101032-6
Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: AI for Time Series

  • 1 Introduction 2 Fedformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting 3 Fredf: Learning to Forecast in the Frequency Domain 4 PPGF: Probability Pattern-Guided Time Series Forecasting 5 Unlocking the Power of Lstm for Long Term Time Series Forecasting 6 Self-Supervised Contrastive Representation Learning for Semi-Supervised Time-Series Classification 7 Diffusion Language-Shapelets for Semi-Supervised Time-Series Classification 8 Graph-Aware Contrasting for Multivariate Time-Series Classification 9 Dcdetector: Dual Attention Contrastive Representation Learning for Time Series Anomaly Detection 10 Multivariate Anomaly Detection with Self-Learning Graph Convolutional Networks 11 Self-Attention-Driven Imputation for Multivariate Time Series