دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Information Theory and Artificial Intelligence to Manage Uncertainty in Hydrodynamic and Hydrological Models
دانلود کتاب تئوری اطلاعات و هوش مصنوعی برای مدیریت عدم قطعیت در مدلهای هیدرودینامیکی و هیدرولوژیکی
مشخصات کتاب
Information Theory and Artificial Intelligence to Manage Uncertainty in Hydrodynamic and Hydrological Models
ویرایش: 1
نویسندگان: Abebe Andualem Jemberie (Author)
سری:
ISBN (شابک) : 9781482284034, 9781135288655
ناشر: CRC Press
سال نشر: 2004
تعداد صفحات: 198
زبان:
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 185 مگابایت
قیمت کتاب (تومان) : 78,000
کلمات کلیدی مربوط به کتاب تئوری اطلاعات و هوش مصنوعی برای مدیریت عدم قطعیت در مدلهای هیدرودینامیکی و هیدرولوژیکی: علوم کامپیوتر، هوش مصنوعی
در صورت تبدیل فایل کتاب Information Theory and Artificial Intelligence to Manage Uncertainty in Hydrodynamic and Hydrological Models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تئوری اطلاعات و هوش مصنوعی برای مدیریت عدم قطعیت در مدلهای هیدرودینامیکی و هیدرولوژیکی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تئوری اطلاعات و هوش مصنوعی برای مدیریت عدم قطعیت در مدلهای هیدرودینامیکی و هیدرولوژیکی
ماهیت مکمل مدلهای مبتنی بر فیزیکی و دادهمحور در تقاضای آنها برای بینش فیزیکی و دادههای تاریخی، منجر به این ایده میشود که پیشبینیهای یک مدل مبتنی بر فیزیکی را میتوان بهبود بخشید و عدم قطعیت مرتبط را میتوان به طور سیستماتیک از طریق کاهش داد. استفاده متقابل از یک مدل داده محور از باقیمانده ها.
توضیحاتی درمورد کتاب به خارجی
The complementary nature of physically-based and data-driven models in their demand for physical insight and historical data, leads to the notion that the predictions of a physically-based model can be improved and the associated uncertainty can be systematically reduced through the conjunctive use of a data-driven model of the residuals. The
