Advances in Data-Driven Computing and Intelligent Systems by Bansal, Jagdish Chand; Saha, Snehanshu; Coello, Carlos A. Coello; Rathore, Hemant;

Selected Papers from ADCIS 2024, Volume 4

Sorozatcím: Lecture Notes in Networks and Systems; 1445;

12% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 267.49
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

110 941 Ft (105 658 Ft + 5% áfa)
Kedvezmény(ek) 12% (cc. 13 313 Ft off)
Kedvezményes ár 97 628 Ft (92 979 Ft + 5% áfa)

110 941 Ft

Beszerezhetőség

Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.

A termék adatai:

Kiadó Springer Nature Singapore
Megjelenés dátuma 2026. január 3.
Kötetek száma 1 pieces, Book

ISBN 9789819671397
Kötéstípus Puhakötés
Terjedelem634 oldal
Méret 235x155 mm
Nyelv angol
Illusztrációk XXIV, 634 p. 284 illus., 218 illus. in color. Illustrations, black & white

Kategóriák

Villamosmérnöki tudományok, híradástechnika, műszeripar Operációs rendszerek és grafikus felhasználói felületek Mesterséges intelligencia Digitális jel-, hang- és képfeldolgozás Média- és információipar

Hosszú leírás:

This book is a collection of best-selected research papers presented at the International Conference on Advances in Data-driven Computing and Intelligent Systems (ADCIS 2024) held at BITS Pilani, K K Birla Goa Campus, Goa, India, during September 20–21, 2024. It includes state-of-the-art research work in the cutting-edge technologies in the field of data science and intelligent systems. The book presents data-driven computing; it is a new field of computational analysis which uses provided data to directly produce predictive outcomes. The book is useful for academicians, research scholars, and industry persons.

Több

Tartalomjegyzék:

Optimizing Traffic Signal Timings in Urban Intersections A Methodology Incorporating PCU and Lane Width.- Texture Feature Analysis and Clustering of Remotely Sensed Data using Gray Level Co-occurrence Matrix and Haralick Features.- Comparative Analysis of Deep Learning Models for VM Load Prediction.- Optimizing Task Allocation in Cloud Computing Environments using Hybrid Meta-heuristic Algorithms.- Contrastive Scenarios Enhancing ML Model Interpretability.