On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory - Springer Theses - Fabian Guignard - Böcker - Springer Nature Switzerland AG - 9783030952334 - 13 mars 2023
Om omslag och titel inte matchar är det titeln som gäller

Fabian Guignard
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory - Springer Theses 2022 edition

Pris
SEK 1.589

Beställningsvara

Förväntad leverans 18 - 26 nov
Julklappar kan bytas fram till 31:e januari
Få avisering om nya utgåvor med Fabian Guignard

Våra kunder säger:

14 dagars returrätt
Toppbetyg på Trustpilot
Lägg till din iMusic-önskelista
eller

Inte betygsatt ännu

Finns även som:

Particular attention is also paid to a highly versatile exploratory data analysis tool based on information theory, the Fisher-Shannon analysis, which can be used to assess the complexity of distributional properties of temporal, spatial and spatio-temporal data sets.

158 pages, 43 Illustrations, color; 25 Illustrations, black and white; XVIII, 158 p. 68 illus., 43 i

Media Böcker     Pocketbok   (Bok med mjukt omslag och limmad rygg)
Releasedatum 13 mars 2023
ISBN13 9783030952334
Utgivare Springer Nature Switzerland AG
Antal sidor 158
Mått 150 × 220 × 10 mm   ·   279 g
Språk Tyska  

Mer från samma **utgivare**

Se alt med Fabian Guignard