Atnaujinkite slapukų nuostatas

El. knyga: Computational Sciences and Artificial Intelligence in Industry: New Digital Technologies for Solving Future Societal and Economical Challenges

Edited by , Edited by , Edited by

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

This book is addressed to young researchers and engineers in the fields of Computational Science and Artificial Intelligence, ranging from innovative computational methods to digital machine learning tools and their coupling used for solving challenging industrial and societal problems.This book provides the latest knowledge from jointly academic and industries experts in Computational Science and Artificial Intelligence fields for exploring possibilities and identifying challenges of applying Computational Sciences and AI methods and tools in industrial and societal sectors.

Chapter
1. Co-development of Methodology, Applications,and Hardware in Computational Science and Arti?cial Intelligence?.
Chapter
2. Novel Strategies for Data-driven Evolutionary Optimization.
Chapter
3. Arti?cial Intelligence and Computational Science.
Chapter
4. Supervised Learning and Applied Mathematics.
Chapter
5. Application of the Topological Gradient to Parsimonious Neural Networks.
Chapter
6. Generation of Error Indicators for Partial Di?erential Equations by Machine Learning Methods.
Chapter
7. Newton Method for Minimal Learning Machine.