Код товара: 5188115069
Рассрочка и кредит
Купон на скидку
Temporal Weather Prediction using Genetic Algorithm
Тип книги:
Печать по требованию
О товаре
Перейти к описанию
Автор на обложке
Pankaj Bhambri; Shaminder Singh
Год выпуска
2026
Тип бумаги в книге
Офсетная
Тип обложки
Мягкая обложка
Тип книги
Печать по требованию
О книге
Печатная книга «Temporal Weather Prediction using Genetic Algorithm» в мягкой обложке, язык - английский. В книге 64 страниц, она напечатана на белой офсетной бумаге плотностью 80 г/м². Формат издания
7 684 ₸ 12 292 ₸
Магазин
Подписаться
Т8
Перейти
4.9
Чат
Заказы
51.6 K
О магазине
Часто задаваемые вопросы
Описание
Temporal Weather Prediction using Genetic AlgorithmПечатная книга «Temporal Weather Prediction using Genetic Algorithm» в мягкой обложке, язык - английский. В книге 64 страниц, она напечатана на белой офсетной бумаге плотностью 80 г/м². Формат издания — 152x229 мм. Все книги аккуратно упаковываем в прочный трёхслойный непрозрачный картонный конверт.
Prediction is a phenomenon of knowing what may happen to a system in the next coming time periods. Weather is a time series based, continuous, data-intensive, dynamic, and chaotic process_Due to dependence of weather on time series based data and non-linearity in climatic physics neural networks are suitable to predict meteorological processes. In the present research, firstly weather related data have been collected, weather parameters have been selected, N-Sliding window technique is applied, relations between dependent parameters are found and data has been normalized to feed to the network as input. After the per-processing of data, suitable neural network architecture has been determined and then the network has been trained by feeding the input as well as output data set under supervised training. Afterwards, testing of the networks has been done for different input sets to check how accurately the network has been trained. Finally, a comparison between the existing and proposed time series based technique has been done. The proposed hybrid technique can learn efficiently by combining the strengths of genetic algorithm with back propagation algorithm.
Prediction is a phenomenon of knowing what may happen to a system in the next coming time periods. Weather is a time series based, continuous, data-intensive, dynamic, and chaotic process_Due to dependence of weather on time series based data and non-linearity in climatic physics neural networks are suitable to predict meteorological processes. In the present research, firstly weather related data have been collected, weather parameters have been selected, N-Sliding window technique is applied, relations between dependent parameters are found and data has been normalized to feed to the network as input. After the per-processing of data, suitable neural network architecture has been determined and then the network has been trained by feeding the input as well as output data set under supervised training. Afterwards, testing of the networks has been done for different input sets to check how accurately the network has been trained. Finally, a comparison between the existing and proposed time series based technique has been done. The proposed hybrid technique can learn efficiently by combining the strengths of genetic algorithm with back propagation algorithm.
- Артикул
- 5188115069
- Автор на обложке
- Pankaj Bhambri; Shaminder Singh
- Год выпуска
- 2026
- Тип бумаги в книге
- Офсетная
- Тип обложки
- Мягкая обложка
- Тип книги
- Печать по требованию
- Язык издания
- Английский
- Количество страниц
- 64
- Размеры, мм
- 152x229
- Вес товара, г
- 117
- ISBN
- 9783659401237
- Возрастные ограничения
- 12+
Подборки товаров в категории Книги: Компьютерные технологии
Отзывы о товаре
0
Temporal Weather Prediction using Genetic Algorithm
Рейтинга пока нет. Он формируется на основе актуальных отзывов на заказанные и оплаченные товары
Как правильно задавать вопросы?
Будьте вежливы и спрашивайте о товаре, на карточке которого вы находитесь
Если вы обнаружили ошибку в описанием товара, воспользуйтесь функцией
Как отвечать на вопросы?
Отвечать на вопросы могут клиенты, купившие товар, и официальные представители.
Выбрать «Лучший ответ» может только автор вопроса, если именно этот ответ ему помог.