Budowa zaawansowanych modeli uczenia maszynowego dla ruchu lotniczego - Mounika, Panjala;Bhatracharyulu, Nallani Ch.
44,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
22 °P sammeln
  • Broschiertes Buch

Ta ksi¿¿ka bada zastosowanie ró¿nych szeregów czasowych i technik uczenia maszynowego do modelowania i prognozowania krajowego ruchu lotniczego. Zapewnia kompleksowe badanie tradycyjnych i nowoczesnych podej¿¿ prognostycznych. Przedstawia obszerny przegl¿d literatury na temat modelowania ruchu lotniczego, obejmuj¿cy tradycyjne metody szeregów czasowych (Holt's Winter, ARIMA, SARIMA) wraz z zaawansowanymi technikami uczenia maszynowego (FFNN, MLP, LSTM). Uwzgl¿dniono równie¿ analiz¿ porównawcz¿ tych metod, podkre¿laj¿c ich mocne strony i ograniczenia. Ponadto zbadano bayesowsk¿ estymacj¿…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Ta ksi¿¿ka bada zastosowanie ró¿nych szeregów czasowych i technik uczenia maszynowego do modelowania i prognozowania krajowego ruchu lotniczego. Zapewnia kompleksowe badanie tradycyjnych i nowoczesnych podej¿¿ prognostycznych. Przedstawia obszerny przegl¿d literatury na temat modelowania ruchu lotniczego, obejmuj¿cy tradycyjne metody szeregów czasowych (Holt's Winter, ARIMA, SARIMA) wraz z zaawansowanymi technikami uczenia maszynowego (FFNN, MLP, LSTM). Uwzgl¿dniono równie¿ analiz¿ porównawcz¿ tych metod, podkre¿laj¿c ich mocne strony i ograniczenia. Ponadto zbadano bayesowsk¿ estymacj¿ parametrów modelu SARIMA. Oszacowane parametry i prognozy s¿ porównywane z tradycyjnym podej¿ciem maksymalnego prawdopodobie¿stwa. Rozszerza badania poprzez wprowadzenie modeli mieszanych, podej¿¿ hybrydowych i prostych technik u¿redniania w celu zwi¿kszenia dok¿adnöci predykcyjnej. Skutecznö¿ tych modeli jest oceniana poprzez analiz¿ porównawcz¿.
Autorenporträt
Dr Mounika Panjala, absolwentka studiów magisterskich (statystyka stosowana) i doktoranckich (statystyka) na Uniwersytecie Osmania, jest cz¿onkiem wydziäu na Uniwersytecie w Hyderabad, Hyderabad, Telangana, Indie. Osi¿gn¿¿a doskonäe wyniki w nauce, kwalifikuj¿c si¿ do UGC-NET, GATE (statystyka) i TSSET, a jej badania koncentruj¿ si¿ na "modelowaniu danych poprzez uczenie maszynowe".