Novel Deep Learning Methodologies in Industrial and Applied Mathematics
Sorozatcím: ICIAM2023 Springer Series; 9;
-
12% KEDVEZMÉNY?
- Kiadói listaár EUR 171.19
-
71 001 Ft (67 620 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) 12% (cc. 8 520 Ft off)
- Kedvezményes ár 62 481 Ft (59 506 Ft + 5% áfa)
62 481 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
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 Springer Nature Singapore
- Megjelenés dátuma 2026. április 2.
- Kötetek száma 1 pieces, Book
- ISBN 9789819503506
- Kötéstípus Keménykötés
- Terjedelem128 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk XI, 128 p. 1 illus. Illustrations, black & white 700
Kategóriák
Hosszú leírás:
"
This book presents a collection of research papers exploring innovative applications of Artificial Intelligence (AI) in Industrial and Applied Mathematics (IAM). It begins with an introduction to the knowlEdge Platform, a software solution for managing the AI lifecycle in Industry 5.0, integrating AI, IoT, and edge computing to support human-AI collaboration across cloud-to-edge systems. The next chapter offers an accessible overview of geometric deep learning, focusing on geometric algebra transformers and their applications. Another contribution discusses eXplainable AI (XAI), highlighting how Clifford geometric algebra can enhance AI interpretability. Further, an improved Quaternion Monogenic Convolutional Neural Network Layer (QMCL) is presented, demonstrating resilience to brightness changes and adversarial attacks. The book also addresses the challenge of balancing computational efficiency, privacy, and accuracy in distributed AI, proposing model partitioning and early exit strategies. A data-driven method for fault prognosis in wind turbine main bearings is introduced, using industrial-scale turbine data. Finally, recent publications—particularly those following the International Congress of Industrial and Applied Mathematics 2023—are reviewed, offering insights into emerging research directions in AI and IAM.
" TöbbTartalomjegyzék:
"
Chapter 1 Automating AI Lifecycle Management in Industry 5.0.- Chapter 2 Geometric Algebra Transformers: Revolutionizing Geometric Data.- Chapter 3 Innovative Models based on Geometric Calculus for Explainable Artificial Intelligence.- Chapter 4 Robust Image Classification with Quaternion Monogenic Signal ConvNet under Brightness Changes and Adversarial Attacks.- Chapter 5 Optimization Approaches for Distributed AI Models on Edge Devices.- Chapter 6 Artificial Intelligence for Wind Turbine Predictive Maintenance.- Chapter 7 Epilog.
" Több
