Machine Learning in Forensic Evidence Examination
Langue : anglais
Edité par Taylor and Francis Ltd, GB, 2025
- Livre relié
- Neuf
Vendeur : Rarewaves.com UK, London, Royaume-UniRarewaves.com UK
Vendeur AbeBooks depuis 11 juin 2025
Etat: Neuf
EUR 122,60
Quantité disponible : Plus de 20 disponibles
Ajouter au panierItem description from seller
The availability of machine-learning algorithms, and the immense computational power required to develop robust models with high accuracy, has driven researchers to conduct extensive studies in forensic science, particularly in the identification and examination of evidence found at crime scenes. Machine Learning in Forensic Evidence Examination discusses methodologies for the application of machine learning to the field of forensic science.Evidence analysis is the cornerstone of forensic investigations, examined for either classification or individualization based on distinct characteristics. Artificial intelligence offers a powerful advantage by efficiently processing large datasets with multiple features, enhancing accuracy and speed in forensic analysis to potentially mitigate human errors. Algorithms have the potential to identify patterns and features in evidence such as firearms, explosives, trace evidence, narcotics, body fluids, etc. and catalogue them in various databases. Additionally, they can be useful in the reconstruction and detection of complex events, such as accidents and crimes, both during and after the event. This book provides readers with consolidated research data on the potential applications and use of machine learning for analyzing various types of evidence. Chapters focus on different methodologies of machine learning applied in different domains of forensic sciences such as biology, serology, physical sciences, fingerprints, trace evidence, ballistics, anthropology, odontology, digital forensics, chemistry and toxicology, as well as the potential use of big data analytics in forensics. Exploring recent advancements in machine learning, coverage also addresses the challenges faced by experts during routine examinations and how machine learning can help overcome these challenges.Machine Learning in Forensic Evidence Examination is a valuable resource for academics, forensic scientists, legal professionals and those working on investigations and analysis within law enforcement agencies. …
N° de réf. du vendeur LU-9781032582368
- Titre
- Machine Learning in Forensic Evidence Examination
- Auteur
- Niha Ansari
- Éditeur
- Taylor and Francis Ltd, GB
- Année de publication
- 2025
- État de l'article
- New
- Reliure
- Hardback
- Langue
- anglais
- ISBN à 10 chiffres
- 1032582367
- ISBN à 13 chiffres
- 9781032582368
- Poids de l'article
- 620 grammes
The availability of machine-learning algorithms, and the immense computational power required to develop robust models with high accuracy, has driven researchers to conduct extensive studies in forensic science, particularly in the identification and examination of evidence found at crime scenes. Machine Learning in Forensic Evidence Examination discusses methodologies for the application of machine learning to the field of forensic science.
Evidence analysis is the cornerstone of forensic investigations, examined for either classification or individualization based on distinct characteristics. Artificial intelligence offers a powerful advantage by efficiently processing large datasets with multiple features, enhancing accuracy and speed in forensic analysis to potentially mitigate human errors. Algorithms have the potential to identify patterns and features in evidence such as firearms, explosives, trace evidence, narcotics, body fluids, etc. and catalogue them in various databases. Additionally, they can be useful in the reconstruction and detection of complex events, such as accidents and crimes, both during and after the event. This book provides readers with consolidated research data on the potential applications and use of machine learning for analyzing various types of evidence. Chapters focus on different methodologies of machine learning applied in different domains of forensic sciences such as biology, serology, physical sciences, fingerprints, trace evidence, ballistics, anthropology, odontology, digital forensics, chemistry and toxicology, as well as the potential use of big data analytics in forensics. Exploring recent advancements in machine learning, coverage also addresses the challenges faced by experts during routine examinations and how machine learning can help overcome these challenges.
Machine Learning in Forensic Evidence Examination
is a valuable resource for academics, forensic scientists, legal professionals and those working on investigations and analysis within law enforcement agencies.
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
Niha Ansari is Assistant Professor at the National Forensic Science University in Gandhinagar. She earned her Ph.D. in Forensic Science from Gujarat University, where she conducted the pioneering research 'Study on Changes in Vitreous Humours concerning Time since Death', utilising nano sensor smartphone applications and microfluidic devices. Dr Ansari has also held positions at Jain University in Bangalore. She has published a number of chapters in edited volumes, and 14 articles in peer-reviewed international journal publications. Her research interests encompass forensic nanotechnology, microfluidics, and smartphone-based sensors. She has participated in numerous conferences, workshops, and training sessions, imparting knowledge and skills to professionals and students alike. Among her accolades, Dr Ansari has been awarded the Maulana Azad National Fellowship by the University Grant Commission and the Best PhD Thesis Award by CHARUSAT. She is a part of the Editorial board of The Science publishing group.
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
Rarewaves.com UK
London, Royaume-Uni
Vendeur AbeBooks depuis 11 juin 2025
Frais d'expédition de Royaume-Uni vers Etats-Unis
| Article | 60 à 60 jours ouvrés | 60 à 60 jours ouvrés |
|---|---|---|
| Premier article | EUR 75,71 | EUR 116,48 |
Modes de paiement
Profil professionnel du vendeur
RAREWAVES.COM LIMITED
Elsley Court, 20-22 Great Titchfield Street
London, Royaume-Uni W1W 8BE
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Rarewaves.com UK, Unit 144 The Lightbox, 111 Power Road, W4 5PY, London, London, United Kingdom, sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Russia
Belarus
Ukraine
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.