Name: Synthetic Aperture Radar (Sar) Data Applications (en Inglés)
SKU: 57613071
Price: 2617.05 MXN
Availability: InStock
Author: Rysz, Maciej ; Tsokas, Arsenios ; Dipple, Kathleen M.
ISBN: 9783031212277

portada Synthetic Aperture Radar (Sar) Data Applications (en Inglés)

Synthetic Aperture Radar (Sar) Data Applications (en Inglés)

Formato

Libro Físico

Editorial

Springer

Autor

Rysz, Maciej ; Tsokas, Arsenios ; Dipple, Kathleen M.

Idioma

Inglés

N° páginas

278

Encuadernación

Tapa Blanda

Dimensiones

23.4x15.6x1.5 cm

Peso

0.41 kg.

ISBN13

9783031212277

Categorías

Probabilidad y estadística
Matemáticas aplicadas
Inteligencia artificial

Synthetic Aperture Radar (Sar) Data Applications (en Inglés)

Rysz, Maciej ; Tsokas, Arsenios ; Dipple, Kathleen M. (Autor) · Springer · Tapa Blanda

Libro Nuevo Importado

Envío: 13 a 18 días háb.

$ 4,758.28$ 2,617.05

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

$ 2,617.05

¡Envío Gratis! Llega entre el 10 Sep y el 21 Sep a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Synthetic Aperture Radar (Sar) Data Applications (en Inglés)"

This carefully curated volume presents an in-depth, state-of-the-art discussion on many applications of Synthetic Aperture Radar (SAR). Integrating interdisciplinary sciences, the book features novel ideas, quantitative methods, and research results, promising to advance computational practices and technologies within the academic and industrial communities. SAR applications employ diverse and often complex computational methods rooted in machine learning, estimation, statistical learning, inversion models, and empirical models. Current and emerging applications of SAR data for earth observation, object detection and recognition, change detection, navigation, and interference mitigation are highlighted. Cutting edge methods, with particular emphasis on machine learning, are included. Contemporary deep learning models in object detection and recognition in SAR imagery with corresponding feature extraction and training schemes are considered. State-of-the-art neural network architectures in SAR-aided navigation are compared and discussed further. Advanced empirical and machine learning models in retrieving land and ocean information - wind, wave, soil conditions, among others, are also included.