دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Mohd Azraai Mohd Razman, Anwar P. P. Abdul Majeed, Rabiu Muazu Musa, Zahari Taha, Gian-Antonio Susto, Yukinori Mukai سری: ISBN (شابک) : 9811522367, 9789811522369 ناشر: Springer سال نشر: 2020 تعداد صفحات: 64 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning in Aquaculture: Hunger Classification of Lates calcarifer (SpringerBriefs in Applied Sciences and 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 ماشینی در آبزی پروری: طبقه بندی گرسنگی آهکی دیررس (SpringerBriefs in Applied Sciences and Technology) 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.
Contents 1 Introduction 1.1 Overview 1.2 Fish Hunger Behaviour 1.3 Image Processing Parameter 1.4 Machine Learning in Fish Behaviour References 2 Monitoring and Feeding Integration of Demand Feeder Systems 2.1 Overview 2.2 Fish Monitoring Set-Up 2.2.1 Experimental Materials and Set-Up 2.2.2 Image Processing Data Extraction 2.3 Fish Growth 2.4 Results and Discussion 2.5 Summary References 3 Image Processing Features Extraction on Fish Behaviour 3.1 Overview 3.2 Data Pre-processing 3.3 Clustering 3.4 Feature Selection and Classification 3.4.1 Boxplot Analysis 3.4.2 Principal Component Analysis (PCA) 3.4.3 Machine Learning Classifiers 3.5 Results and Discussion 3.6 Summary References 4 Time-Series Identification on Fish Feeding Behaviour 4.1 Overview 4.2 Event Identification 4.3 Features Selection PCA-Based 4.4 Classification Accuracy 4.5 Results and Discussion 4.6 Summary References 5 Hyperparameter Tuning of the Model for Hunger State Classification 5.1 Overview 5.2 Optimization of Bayesian 5.3 Classification Accuracy 5.4 Results and Discussion 5.5 Summary References 6 Concluding Remarks 6.1 Overview 6.2 Main Contributions 6.3 Future Work