Data-Based Methods for Materials Design and Discovery
Basic Ideas and General Methods
Sorozatcím: Synthesis Lectures on Materials and Optics;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 53.49
-
22 184 Ft (21 128 Ft + 5% áfa)
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.
- Kedvezmény(ek) 20% (cc. 4 437 Ft off)
- Kedvezményes ár 17 748 Ft (16 902 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
22 184 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Morgan & Claypool
- Megjelenés dátuma 2020. március 6.
- Kötetek száma 1 pieces, Book
- ISBN 9783031012556
- Kötéstípus Puhakötés
- Terjedelem172 oldal
- Méret 235x191 mm
- Súly 372 g
- Nyelv angol
- Illusztrációk XVI, 172 p. 43
Kategóriák
Hosszú leírás:
Machine learning methods are changing the way we design and discover new materials. This book provides an overview of approaches successfully used in addressing materials problems (alloys, ferroelectrics, dielectrics) with a focus on probabilistic methods, such as Gaussian processes, to accurately estimate density functions. The authors, who have extensive experience in this interdisciplinary field, discuss generalizations where more than one competing material property is involved or data with differing degrees of precision/costs or fidelity/expense needs to be considered.
TöbbTartalomjegyzék:
Preface.- Acknowledgments.- Introduction.- Materials Representations.- Learning with Large Databases.- Learning with Small Databases.- Multi-Objective Learning.- Multi-Fidelity Learning.- Some Closing Thoughts.- Authors' Biographies.
Több
Annual Report on the Big Data of New Energy Vehicle in China (2021)
18 078 Ft
15 909 Ft
