دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Machine Learning and Data Mining in Aerospace Technology
دانلود کتاب یادگیری ماشین و داده کاوی در فناوری هوافضا
مشخصات کتاب
Machine Learning and Data Mining in Aerospace Technology
ویرایش: نویسندگان: Aboul Ella Hassanien, Ashraf Darwish, Hesham El-Askary سری: ISBN (شابک) : 9783030202125, 3030202127 ناشر: Springer سال نشر: 2019 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 43 مگابایت
قیمت کتاب (تومان) : 29,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning and Data Mining in Aerospace Technology 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 یادگیری ماشین و داده کاوی در فناوری هوافضا 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 یادگیری ماشین و داده کاوی در فناوری هوافضا
این کتاب مفاهیم، الگوریتم‌ها و تکنیک‌های اصلی یادگیری ماشین و داده‌کاوی برای فناوری هوافضا را بررسی می‌کند. ماهواره‌ها «چشم‌های عقاب» هستند که به ما امکان می‌دهند مناطق عظیمی از زمین را به طور همزمان مشاهده کنیم و می‌توانند اطلاعات بیشتری را با سرعت بیشتری نسبت به ابزارهای روی زمین جمع‌آوری کنند. در نتیجه، توسعه سیستم‌های پایش سلامت هوشمند برای ماهواره‌های مصنوعی - که می‌تواند وضعیت فعلی ماهواره‌ها را تعیین کند و شکست آنها را بر اساس داده‌های تله‌متری پیش‌بینی کند - یکی از مهم‌ترین مسائل فعلی در مهندسی هوافضا است. این کتاب به سه بخش تقسیم شده است که در بخش اول، مشکلات اصلی در پایش سلامت ماهواره‌های مصنوعی، از جمله تشخیص ناهنجاری مبتنی بر تانسور برای داده‌های تله‌متری ماهواره‌ای و یادگیری ماشینی در پایش ماهواره‌ای و همچنین طراحی، اجرا و اعتبارسنجی بحث می‌شود. شبیه سازهای ماهواره ای بخش دوم به تجزیه و تحلیل داده های تله متری و مشکلات استخراج می پردازد، در حالی که قسمت آخر بر مسائل امنیتی در داده های تله متری تمرکز دارد.
توضیحاتی درمورد کتاب به خارجی
This book explores the main concepts, algorithms, and techniques of Machine Learning and data mining for aerospace technology. Satellites are the ‘eagle eyes’ that allow us to view massive areas of the Earth simultaneously, and can gather more data, more quickly, than tools on the ground. Consequently, the development of intelligent health monitoring systems for artificial satellites – which can determine satellites’ current status and predict their failure based on telemetry data – is one of the most important current issues in aerospace engineering. This book is divided into three parts, the first of which discusses central problems in the health monitoring of artificial satellites, including tensor-based anomaly detection for satellite telemetry data and machine learning in satellite monitoring, as well as the design, implementation, and validation of satellite simulators. The second part addresses telemetry data analytics and mining problems, while the last part focuses on security issues in telemetry data.
