Andere Kunden interessierten sich auch für
![Prévision des précipitations à l'aide d'un réseau neuronal]( "Prévision des précipitations à l'aide d'un réseau neuronal")
Prévision des précipitations à l'aide d'un réseau neuronal28,99 €![Previsione delle precipitazioni mediante rete neurale]( "Previsione delle precipitazioni mediante rete neurale")
Previsione delle precipitazioni mediante rete neurale28,99 €![Previsão da precipitação através de redes neuronais]( "Previsão da precipitação através de redes neuronais")
Previsão da precipitação através de redes neuronais28,99 €![Prognozirowanie osadkow s pomosch'ü nejronnoj seti]( "Prognozirowanie osadkow s pomosch'ü nejronnoj seti")
Prognozirowanie osadkow s pomosch'ü nejronnoj seti28,99 €![Rainfall Forecasting Using Neural Network]( "Rainfall Forecasting Using Neural Network")
Rainfall Forecasting Using Neural Network29,99 €![Authentifizierung einer digitalen Signatur mit Hilfe eines künstlichen neuronalen Netzes]( "Authentifizierung einer digitalen Signatur mit Hilfe eines künstlichen neuronalen Netzes")
Authentifizierung einer digitalen Signatur mit Hilfe eines künstlichen neuronalen Netzes35,90 €![Auf künstlichen neuronalen Netzen basierende Zeitplanung in der Cloud]( "Auf künstlichen neuronalen Netzen basierende Zeitplanung in der Cloud")
Auf künstlichen neuronalen Netzen basierende Zeitplanung in der Cloud39,90 €
Eine genaue Niederschlagsvorhersage ist ein schwieriges Problem für von der Landwirtschaft abhängige Länder wie Indien, um die Produktivität der Ernte, die Nutzung der Wasserressourcen und die Vorausplanung der Wasserressourcen zu analysieren. Dieses Buch befasst sich mit der Vorhersage von täglichen, monatlichen und jährlichen Niederschlagsdaten mit Hilfe neuronaler Netze. Wir verwenden verschiedene Modelle wie ARIMA, Feed Forward Neural Network (FFNN), Radial Basis Function Neural Network (RBFNN) und Time Delay Neural Network (TDNN) für die Niederschlagsvorhersage. Alle Modelle wurden mit MATLAB-Software implementiert. Der Zweck des Buches ist die Verwendung des genetischen Algorithmus (GA) zur Optimierung der Vorspannung und der Gewichte des neuronalen Netzes. Die Ergebnisse des ARIMA-Modells werden mit den Ergebnissen verglichen, die mit drei neuronalen Netzwerkmodellen erzielt wurden.