- Hauptmenü-

Katalogdatenanzeige

Deep Learning and Missing Data in Engineering Systems

Kataloginformation Katalogdatensatz500289555 .

Kataloginformation
Feldname	Details
Vorliegende Sprache	eng
ISBN	978-3-030-01179-6
Name	Leke, Collins Achepsah ¬[VerfasserIn]¬
Name	Marwala, Tshilidzi ¬[VerfasserIn]¬
ANZEIGE DER KETTE	Marwala, Tshilidzi ¬[VerfasserIn]¬
T I T E L	Deep Learning and Missing Data in Engineering Systems
Verlagsort	Cham
Verlag	Springer
Erscheinungsjahr	2019
Erscheinungsjahr	2019
Umfang	Online-Ressource (XIV, 179 p. 109 illus., 84 illus. in color, online resource)
Reihe	Studies in Big Data ; 48
Titelhinweis	Erscheint auch als (Druck-Ausgabe)ISBN: 978-3-030-01179-6
ISBN	ISBN 978-3-030-01180-2
Klassifikation	COM004000
	UYQ
	UYQ
	TEC009000
	006.3
	Q342
Kurzbeschreibung	Introduction to Missing Data Estimation -- Introduction to Deep Learning -- Missing Data Estimation Using Bat Algorithm -- Missing Data Estimation Using Cuckoo Search Algorithm -- Missing Data Estimation Using Firefly Algorithm -- Missing Data Estimation Using Ant Colony Optimization Algorithm -- Missing Data Estimation Using Ant-Lion Optimizer Algorithm -- Missing Data Estimation Using Invasive Weed Optimization Algorithm -- Missing Data Estimation Using Swarm Intelligence Algorithms from Reduced Dimensions -- Missing Data Estimation Using Swarm Intelligence Algorithms: Deep Learning Framework Analysis -- Conclusion.
2. Kurzbeschreibung	Deep Learning and Missing Data in Engineering Systems uses deep learning and swarm intelligence methods to cover missing data estimation in engineering systems. The missing data estimation processes proposed in the book can be applied in image recognition and reconstruction. To facilitate the imputation of missing data, several artificial intelligence approaches are presented, including: deep autoencoder neural networks; deep denoising autoencoder networks; the bat algorithm; the cuckoo search algorithm; and the firefly algorithm. The hybrid models proposed are used to estimate the missing data in high-dimensional data settings more accurately. Swarm intelligence algorithms are applied to address critical questions such as model selection and model parameter estimation. The authors address feature extraction for the purpose of reconstructing the input data from reduced dimensions by the use of deep autoencoder neural networks. They illustrate new models diagrammatically, report their findings in tables, so as to put their methods on a sound statistical basis. The methods proposed speed up the process of data estimation while preserving known features of the data matrix. This book is a valuable source of information for researchers and practitioners in data science. Advanced undergraduate and postgraduate students studying topics in computational intelligence and big data, can also use the book as a reference for identifying and introducing new research thrusts in missing data estimation.
SWB-Titel-Idn	516257382
Signatur	Springer E-Book
Bemerkungen	Elektronischer Volltext - Campuslizenz
Elektronische Adresse	$uhttps://doi.org/10.1007/978-3-030-01180-2
Internetseite / Link	Volltext

ISBD-Anzeige Katalogdatensatz500289555

Kategorien-Anzeige Katalogdatensatz500289555

Titel zur Titelsammlung hinzufügen Katalogdatensatz500289555

Kataloginformation500289555 Datensatzanfang . Kataloginformation500289555 Seitenanfang .

Titel vormerken Katalogdatensatz500289555

Vollanzeige Katalogdaten

Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.

Im Bereich Kataloginformation werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.

Der Bereich Exemplarinformationen enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.