Articles liés à On Spatio-temporal Data Modelling and Uncertainty Quantifica...
On Spatio-temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory - Couverture rigide
Synopsis
Introduction.- Study Area and Data Sets.- Advanced Exploratory Data Analysis.- Fisher-Shannon Analysis.- Spatio-Temporal Prediction with Machine Learning.- Uncertainty Quantification with Extreme Learning Machine.- Spatio-Temporal Modelling using Extreme Learning Machine.- Conclusions, Perspectives and Recommendations.
Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.
À propos de l'auteur
Dr. Fabian Guignard is an environmental data scientist born in 1983 in Switzerland. He received a M.S. degree in Mathematics from Ecole Polytechnique Fédérale de Lausanne (EPFL, Switzerland) in 2015 and a Ph.D. in Environmental Sciences from the University of Lausanne (UNIL, Switzerland) in 2021. His main research interests lie at the intersection of applied mathematics and computer science, including machine learning, uncertainty quantification and their applications to environmental spatio-temporal statistics.
Les informations fournies dans la section « A propos du livre » peuvent faire référence à une autre édition de ce titre.
Résultats de recherche pour On Spatio-temporal Data Modelling and Uncertainty Quantifica...
Image d'archives
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory (Springer Theses) [Hardcover] [Mar 13, 2022] Guignard, Fabian
Vendeur : StainesBookhub, Weybridge, SURRE, Royaume-Uni
Évaluation du vendeur 2 sur 5 étoiles
Etat : New. A brand new book in pristine condition. Showing zero signs of shelf wear, creases, or damage. N° de réf. du vendeur SPRINGERNEW12385
Acheter neuf
EUR 93,70
Expédition à EUR 34,88
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : 1 disponible(s)
Image d'archives
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory (eng)
impression à la demandeVendeur : Brook Bookstore On Demand, Napoli, NA, Italie
Évaluation du vendeur 5 sur 5 étoiles
Etat : new. Questo è un articolo print on demand. N° de réf. du vendeur ZBGS5BQTXB
Acheter neuf
EUR 126,26
Expédition à EUR 5,50
Expédition depuis Italie vers Etats-Unis
Expédition depuis Italie vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
On Spatio-temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Edité par
Springer, 2022
ISBN 10 : 3030952304
ISBN 13 : 9783030952303
Ancien ou d'occasion
Couverture rigide
Vendeur : GreatBookPrices, Columbia, MD, Etats-Unis
Évaluation du vendeur 5 sur 5 étoiles
Etat : As New. Unread book in perfect condition. N° de réf. du vendeur 44371446
Acheter D'occasion
EUR 168,98
Expédition à EUR 2,32
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : 5 disponible(s)
Image d'archives
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory (Springer Theses)
Vendeur : Ria Christie Collections, Uxbridge, Royaume-Uni
Évaluation du vendeur 5 sur 5 étoiles
Etat : New. In English. N° de réf. du vendeur ria9783030952303_new
Acheter neuf
EUR 168,33
Expédition à EUR 13,13
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image fournie par le vendeur
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Edité par
Springer International Publishing Mrz 2022, 2022
ISBN 10 : 3030952304
ISBN 13 : 9783030952303
Neuf
Couverture rigide
Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -The gathering and storage of data indexed in space and time are experiencing unprecedented growth, demanding for advanced and adapted tools to analyse them. This thesis deals with the exploration and modelling of complex high-frequency and non-stationary spatio-temporal data. It proposes an efficient framework in modelling with machine learning algorithms spatio-temporal fields measured on irregular monitoring networks, accounting for high dimensional input space and large data sets. The uncertainty quantification is enabled by specifying this framework with the extreme learning machine, a particular type of artificial neural network for which analytical results, variance estimation and confidence intervals are developed. Particular attention is also paid to a highly versatile exploratory data analysis tool based on information theory, the Fisher-Shannon analysis, which can be used to assess the complexity of distributional properties of temporal, spatial and spatio-temporal data sets. Examples of the proposed methodologies are concentrated on data from environmental sciences, with an emphasis on wind speed modelling in complex mountainous terrain and the resulting renewable energy assessment. The contributions of this thesis can find a large number of applications in several research domains where exploration, understanding, clustering, interpolation and forecasting of complex phenomena are of utmost importance. 176 pp. Englisch. N° de réf. du vendeur 9783030952303
Acheter neuf
EUR 160,49
Expédition à EUR 23
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 2 disponible(s)
Image fournie par le vendeur
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Edité par
Springer, Berlin|Springer International Publishing|Springer, 2022
ISBN 10 : 3030952304
ISBN 13 : 9783030952303
Neuf
Couverture rigide
Vendeur : moluna, Greven, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Gebunden. Etat : New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Particular attention is also paid to a highly versatile exploratory data analysis tool based on information theory, the Fisher-Shannon analysis, which can be used to assess the complexity of distributional properties of temporal, spatial and spatio-temporal. N° de réf. du vendeur 540229529
Acheter neuf
EUR 136,16
Expédition à EUR 48,99
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image fournie par le vendeur
On Spatio-temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Vendeur : GreatBookPricesUK, Woodford Green, Royaume-Uni
Évaluation du vendeur 5 sur 5 étoiles
Etat : New. N° de réf. du vendeur 44371446-n
Acheter neuf
EUR 168,32
Expédition à EUR 17,44
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
On Spatio-temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Edité par
Springer, 2022
ISBN 10 : 3030952304
ISBN 13 : 9783030952303
Ancien ou d'occasion
Couverture rigide
Vendeur : GreatBookPricesUK, Woodford Green, Royaume-Uni
Évaluation du vendeur 5 sur 5 étoiles
Etat : As New. Unread book in perfect condition. N° de réf. du vendeur 44371446
Acheter D'occasion
EUR 169,20
Expédition à EUR 17,44
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
On Spatio-temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Vendeur : GreatBookPrices, Columbia, MD, Etats-Unis
Évaluation du vendeur 5 sur 5 étoiles
Etat : New. N° de réf. du vendeur 44371446-n
Acheter neuf
EUR 186,03
Expédition à EUR 2,32
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image fournie par le vendeur
On Spatio-Temporal Data Modelling and Uncertainty Quantification Using Machine Learning and Information Theory
Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Buch. Etat : Neu. Druck auf Anfrage Neuware - Printed after ordering - The gathering and storage of data indexed in space and time are experiencing unprecedented growth, demanding for advanced and adapted tools to analyse them. This thesis deals with the exploration and modelling of complex high-frequency and non-stationary spatio-temporal data. It proposes an efficient framework in modelling with machine learning algorithms spatio-temporal fields measured on irregular monitoring networks, accounting for high dimensional input space and large data sets. The uncertainty quantification is enabled by specifying this framework with the extreme learning machine, a particular type of artificial neural network for which analytical results, variance estimation and confidence intervals are developed. Particular attention is also paid to a highly versatile exploratory data analysis tool based on information theory, the Fisher-Shannon analysis, which can be used to assess the complexity of distributional properties of temporal, spatial and spatio-temporal data sets. Examples of the proposed methodologies are concentrated on data from environmental sciences, with an emphasis on wind speed modelling in complex mountainous terrain and the resulting renewable energy assessment. The contributions of this thesis can find a large number of applications in several research domains where exploration, understanding, clustering, interpolation and forecasting of complex phenomena are of utmost importance. N° de réf. du vendeur 9783030952303
Acheter neuf
EUR 173,47
Expédition à EUR 35
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 1 disponible(s)