Name: Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo (en Italiano)
SKU: 66341687
Price: 1532.89 MXN
Availability: InStock
Author: Mounika, Panjala; Bhatracharyulu, Nallani Ch
ISBN: 9786209132841

portada Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo (en Italiano)

Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo (en Italiano)

Formato

Libro Físico

Editorial

Edizioni Sapienza

Autor

Mounika, Panjala; Bhatracharyulu, Nallani Ch

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.5 cm

ISBN13

9786209132841

Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo (en Italiano)

Mounika, Panjala; Bhatracharyulu, Nallani Ch (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 2,554.81$ 1,532.89

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 1,532.89

¡Envío Gratis! Llega entre el 01 Oct y el 09 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo (en Italiano)"

Questo libro esplora l'applicazione di varie serie temporali e tecniche di apprendimento automatico per modellare e prevedere il traffico aereo nazionale. Fornisce uno studio completo degli approcci previsionali tradizionali e moderni. Presenta un'ampia rassegna della letteratura sulla modellazione del traffico aereo, che comprende i metodi tradizionali delle serie temporali (Holt's Winter, ARIMA, SARIMA) e le tecniche avanzate di apprendimento automatico (FFNN, MLP, LSTM). È inclusa anche un'analisi comparativa di questi metodi, che ne evidenzia i punti di forza e i limiti. Inoltre, viene esplorata la stima bayesiana dei parametri del modello SARIMA. I parametri stimati e le previsioni sono confrontati con l'approccio tradizionale della massima verosimiglianza. La ricerca viene ampliata introducendo modelli misti, approcci ibridi e semplici tecniche di mediazione per migliorare l'accuratezza della previsione. L'efficacia di questi modelli viene valutata attraverso un'analisi comparativa.