Librería: GreatBookPrices, Columbia, MD, Estados Unidos de America
EUR 68,69
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: As New. Unread book in perfect condition.
Librería: Books Puddle, New York, NY, Estados Unidos de America
EUR 123,21
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritoCondición: New. pp. 262.
Librería: Majestic Books, Hounslow, Reino Unido
EUR 127,40
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritoCondición: New. pp. 262.
Librería: GreatBookPrices, Columbia, MD, Estados Unidos de America
EUR 124,42
Convertir monedaCantidad disponible: 5 disponibles
Añadir al carritoCondición: New.
Librería: Biblios, Frankfurt am main, HESSE, Alemania
EUR 129,64
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritoCondición: New. pp. 262.
Librería: Ria Christie Collections, Uxbridge, Reino Unido
EUR 174,33
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: New. In.
Librería: GreatBookPricesUK, Woodford Green, Reino Unido
EUR 162,78
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: New.
Librería: GreatBookPricesUK, Woodford Green, Reino Unido
EUR 190,40
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: As New. Unread book in perfect condition.
Librería: Mispah books, Redhill, SURRE, Reino Unido
EUR 272,37
Convertir monedaCantidad disponible: 1 disponibles
Añadir al carritopaperback. Condición: New. New. book.
Publicado por Elsevier Science & Technology, Elsevier, 2020
ISBN 10: 0128193654 ISBN 13: 9780128193655
Idioma: Inglés
Librería: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Alemania
EUR 132,00
Convertir monedaCantidad disponible: 2 disponibles
Añadir al carritoTaschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Statistical Process Monitoring Using Advanced Data-Driven and Deep Learning Approaches tackles multivariate challenges in process monitoring by merging the advantages of univariate and traditional multivariate techniques to enhance their performance and widen their practical applicability. The book proceeds with merging the desirable properties of shallow learning approaches - such as a one-class support vector machine and k-nearest neighbours and unsupervised deep learning approaches - to develop more sophisticated and efficient monitoring techniques. Finally, the developed approaches are applied to monitor many processes, such as waste-water treatment plants, detection of obstacles in driving environments for autonomous robots and vehicles, robot swarm, chemical processes (continuous stirred tank reactor, plug flow rector, and distillation columns), ozone pollution, road traffic congestion, and solar photovoltaic systems. Englisch.
Librería: Revaluation Books, Exeter, Reino Unido
EUR 140,64
Convertir monedaCantidad disponible: 2 disponibles
Añadir al carritoPaperback. Condición: Brand New. 262 pages. 8.75x5.75x1.00 inches. In Stock. This item is printed on demand.
Publicado por Elsevier Science & Technology|Elsevier, 2020
ISBN 10: 0128193654 ISBN 13: 9780128193655
Idioma: Inglés
Librería: moluna, Greven, Alemania
EUR 128,97
Convertir monedaCantidad disponible: Más de 20 disponibles
Añadir al carritoCondición: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Statistical Process Monitoring Using Advanced Data-Driven and Deep Learning Approaches tackles multivariate challenges in process monitoring by merging the advantages of univariate and traditional multivariate techniques to enhance their performance .
Publicado por Elsevier Science & Technology, Elsevier, 2020
ISBN 10: 0128193654 ISBN 13: 9780128193655
Idioma: Inglés
Librería: AHA-BUCH GmbH, Einbeck, Alemania
EUR 145,00
Convertir monedaCantidad disponible: 2 disponibles
Añadir al carritoTaschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Statistical Process Monitoring Using Advanced Data-Driven and Deep Learning Approaches tackles multivariate challenges in process monitoring by merging the advantages of univariate and traditional multivariate techniques to enhance their performance and widen their practical applicability. The book proceeds with merging the desirable properties of shallow learning approaches - such as a one-class support vector machine and k-nearest neighbours and unsupervised deep learning approaches - to develop more sophisticated and efficient monitoring techniques. Finally, the developed approaches are applied to monitor many processes, such as waste-water treatment plants, detection of obstacles in driving environments for autonomous robots and vehicles, robot swarm, chemical processes (continuous stirred tank reactor, plug flow rector, and distillation columns), ozone pollution, road traffic congestion, and solar photovoltaic systems.