Sustainable AI Techniques for Real-Time Risk Monitoring
Sorozatcím: The Springer Series in Applied Machine Learning;
-
12% KEDVEZMÉNY?
- Kiadói listaár EUR 213.99
-
83 584 Ft (79 604 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. 10 030 Ft off)
- Kedvezményes ár 73 554 Ft (70 052 Ft + 5% áfa)
73 554 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 Switzerland
- Megjelenés dátuma 2026. szeptember 5.
- ISBN 9783032286710
- Kötéstípus Keménykötés
- Terjedelem370 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk II, 370 p. 70 illus., 34 illus. in color. 700
Kategóriák
Hosszú leírás:
Sustainable AI Techniques for Real-Time Risk Monitoring offers a comprehensive examination of energy-efficient artificial intelligence approaches for hazard detection in smart environments. The book begins by identifying the limitations of traditional AI models —particularly their high computational and energy demands — and introduces the concept of Green AI as a sustainable alternative. It systematically presents key methodologies, including lightweight deep learning architectures, model optimization techniques, and the integration of edge and fog computing. In addition, it explores advanced paradigms such as federated learning and bio-inspired computing to enable scalable and resource-efficient real-time monitoring systems.
The book further elaborates on practical applications across diverse domains, including fire hazard detection, industrial safety, environmental monitoring, and smart healthcare systems. It also examines how secure and decentralized technologies—such as blockchain—enhance the reliability of IoT-based hazard detection frameworks. The concluding section outlines future research directions, emphasizing renewable-powered IoT infrastructures and the ethical, legal, and societal implications of Green AI.
Overall, this book serves as a valuable resource for academics, researchers, and practitioners striving to develop sustainable, reliable, and energy-conscious intelligent safety systems.
TöbbTartalomjegyzék:
"
.- Introduction to Green AI in Hazard Detection.
.- Energy Challenges of Traditional AI in Hazard Monitoring.
.- Sustainable Smart Environments: A Systems Perspective.
.- Lightweight Deep Learning Models for Hazard Detection.
.- Model Optimization Techniques for Green AI.
.- Edge AI and Fog Computing for Energy-Efficient Safety Systems.
.- Federated Learning for Sustainable Hazard Detection in IoT Ecosystems.
.- Neuromorphic and Bio-Inspired Computing for Hazard Monitoring.
.- Green AI for Fire Hazard Early Warning Systems.
.- Energy-Efficient AI in Industrial Hazard Monitoring.
.- Environmental Hazard Detection using Green AI.
.- Green AI for Smart Healthcare Safety Systems.
.- Blockchain and Green AI for Secure Hazard Detection in IoT.
.- Renewable-Powered IoT and Hazard Detection Frameworks.
