Deep Learning for Hydrometeorology and Environmental Science
Vše od
Springer Nature Switzerland AG
ISBN: 9783030647797
This book provides a step-by-step methodology and derivation of deep learning algorithms as Long Short-Term Memory (LSTM) and Convolution Neural Network (CNN), especially for estimating parameters, with back-propagation as well as examples with real datasets of hydrometeorology (e.g.
3 231 Kč
- 1 - 2 ks
- 3 231 Kč
- 3 - 10 ks
- 3 199 Kč
- 11 a více ks
- 3 168 Kč
Naše cena 3 231 Kč je o 6 % nižší než
doporučená cena výrobce 3 437 Kč.
Předpoklad doručení do 27. května *
* Termín expedice je odhadovaný a může se mírně upravit podle termínu dodání od našeho dodavatele. Pokud by došlo ke změně, vždy vás budeme včas informovat.
Nepřehlédněte od Springer Nature Switzerland AG ↓
3 231 Kč
Více o produktu ↓
This book provides a step-by-step methodology and derivation of deep learning algorithms as Long Short-Term Memory (LSTM) and Convolution Neural Network (CNN), especially for estimating parameters, with back-propagation as well as examples with real datasets of hydrometeorology (e.g.
- Výrobce
- Springer Nature Switzerland AG
- Jazyk
- Switzerland
- Autor
- Lee, Taesam;Singh, Vijay P.;Cho, Kyung Hwa
- Rozměry
- 235 x 155
- Rok vydání
- 2022
- Počet stran
- 204
- Obsah
- Paperback / softback
- Počet stran
- 204 pages, 133 Illustrations, color; 56 Illustrations, black and white
Zanechte své hodnocení
Budeme rádi, když se podělíte o svou zkušenost s Deep Learning for Hydrometeorology and Environmental Science a pomůžete tak ostatním zákazníkům při výběru.
Navíc každý měsíc losujeme jednoho z těch, kteří nám zanechali recenzi, a obdarujeme ho kuponem na nákup v hodnotě 500 Kč. Možná právě Vy budete tím šťastným – držíme palce!
