Produktbild: Artificial Intelligence, Data Science and IoT for Next Generation Computing
Band 1946 Neu

Artificial Intelligence, Data Science and IoT for Next Generation Computing Select Proceedings of the 3rd International Conference, AICTA 2025

193,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2026

Abbildungen

VIII, 451 p. 198 illus., 173 illus. in color.

Herausgeber

Badal Soni + weitere

Verlag

Springer Singapore

Seitenzahl

451

Maße (B/H)

15,5/23,5 cm

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9598-19-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2026

Abbildungen

VIII, 451 p. 198 illus., 173 illus. in color.

Herausgeber

Verlag

Springer Singapore

Seitenzahl

451

Maße (B/H)

15,5/23,5 cm

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9598-19-9

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Artificial Intelligence, Data Science and IoT for Next Generation Computing
  • A Debiasing Framework for Graph Neural Networks Using Contrastive Learning.- AI-Powered Decision Optimization for Dynamic Resource Management.- Optimized Decision-Making in Multi-Level Trade Networks.- Envision of Satellite LOS/NLOS using TLBO powered Scaled Conjugate Gradient Neural Network.- Training optimization issues in detecting rip waves, high tides, and low tides in Beach using the ResNet101 deep learning algorithm.- Attention-Based LSTM for Robust Water Quality Prediction in Fish-Rice Co-Cropping Systems.- Real Time Small Object in Dynamic Wartime Environments: A Survey of Deep Learning Techniques, Challenges and Deployment Strategies.- Evaluating the Fault-Proneness Score: Empirical Insights and Practical Implications.- A Comparative Study of Hyperparameter Tuning Strategies for Machine Learning Models in Breast Cancer Classification.