Domain metropolitana.de kaufen?
Wir ziehen mit dem Projekt
metropolitana.de um.
Sind Sie am Kauf der Domain
metropolitana.de interessiert?
domain@kv-gmbh.de · 0541-91531010
Domain metropolitana.de kaufen?
Hölscher:Künstliche Neuronale Netze als, Fachbücher von Marius Hölscher
Das Buch "Hölscher: Künstliche Neuronale Netze" bietet eine umfassende Analyse der Integration künstlicher neuronaler Netze in moderne Planungsinstrumente zur Verbesserung der Entscheidungsunterstützung im Controlling. Der Autor, Marius Hölscher, untersucht die technische Machbarkeit der Analyse von Werttreibern und deren Bedeutung im Kontext der wertorientierten Unternehmensführung. Durch die Fokussierung auf die Bedürfnisse der Entscheider wird ein innovatives Instrument entwickelt, das die Effizienz und Effektivität von Entscheidungsprozessen steigern kann. Die theoretischen Grundlagen werden praxisnah erläutert, sodass Leserinnen und Leser sowohl die Konzepte als auch deren Anwendung in der Wirtschaft nachvollziehen können. Dieses Fachbuch richtet sich an Fachleute und Studierende, die sich mit den Herausforderungen und Möglichkeiten der modernen Datenanalyse im wirtschaftlichen Kontext auseinandersetzen möchten.
59,99 €*
Versand: 0,00 €
Sichere Weiterleitung zum Anbieter
Ähnliche Suchbegriffe für Springer-Hölscher-Künstliche-Neuronale
Top-Angebote
Produkte zum Begriff Springer-Hölscher-Künstliche-Neuronale:
-
Scholz, Daniel: Künstliche neuronale NetzeKünstliche neuronale Netze , Die Welt der generativen KI verstehen , Luft- & Hydraulikfederung > Sportfederung , Erscheinungsjahr: 20250509, Autoren: Scholz, Daniel, Seitenzahl/Blattzahl: 132, Abbildungen: Komplett in Farbe, Keyword: Autoregressive Modelle; Codebeispiele künstliche Intelligenz; Convolutional Neural Networks (CNNs) lernen; Deep Learning Frameworks; Diffusionsmodelle; Generative Adversarial Networks (GANs); Generative KI-Anwendungen; Natural Language Processing (NLP); Neuronale Netze trainieren und testen; Neuronale Netzwerke für Einsteiger; Praxisbuch künstliche neuronale Netze; Reinforcement Learning, Fachschema: Elektronik / Allgemeines, Einführung, Lexikon~Nachrichtentechnik~Algorithmus~Informatik, Fachkategorie: Informatik, Warengruppe: HC/Elektronik/Elektrotechnik/Nachrichtentechnik, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 216, Breite: 157, Höhe: 22, Gewicht: 520, Produktform: Gebunden,34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Künstliche neuronale Netze, Fachbücher von Daniel ScholzDieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen. Die Leser lernen, wie einfache neuronale Netzwerke aufgebaut, trainiert und getestet werden. Darauf aufbauend werden fortgeschrittene Themen wie Convolutional Neural Networks (CNNs), Autoencoder, autoregressive Modelle und Diffusionsmodelle erläutert. Zahlreiche praktische Beispiele und leicht nachvollziehbare Erklärungen machen das Werk zu einem praxisnahen Lehrbuch für alle, die sich in dieses zukunftsweisende Thema einarbeiten möchten.34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung, Fachbücher von Jonas KasteIn dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne Vorwissen implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden sowohl in Simulationen als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zugrunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler.109,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
Top-Angebote
Produkte zum Begriff Springer-Hölscher-Künstliche-Neuronale:
-
Hölscher:Künstliche Neuronale Netze als, Fachbücher von Marius HölscherDas Buch "Hölscher: Künstliche Neuronale Netze" bietet eine umfassende Analyse der Integration künstlicher neuronaler Netze in moderne Planungsinstrumente zur Verbesserung der Entscheidungsunterstützung im Controlling. Der Autor, Marius Hölscher, untersucht die technische Machbarkeit der Analyse von Werttreibern und deren Bedeutung im Kontext der wertorientierten Unternehmensführung. Durch die Fokussierung auf die Bedürfnisse der Entscheider wird ein innovatives Instrument entwickelt, das die Effizienz und Effektivität von Entscheidungsprozessen steigern kann. Die theoretischen Grundlagen werden praxisnah erläutert, sodass Leserinnen und Leser sowohl die Konzepte als auch deren Anwendung in der Wirtschaft nachvollziehen können. Dieses Fachbuch richtet sich an Fachleute und Studierende, die sich mit den Herausforderungen und Möglichkeiten der modernen Datenanalyse im wirtschaftlichen Kontext auseinandersetzen möchten.59,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Scholz, Daniel: Künstliche neuronale NetzeKünstliche neuronale Netze , Die Welt der generativen KI verstehen , Luft- & Hydraulikfederung > Sportfederung , Erscheinungsjahr: 20250509, Autoren: Scholz, Daniel, Seitenzahl/Blattzahl: 132, Abbildungen: Komplett in Farbe, Keyword: Autoregressive Modelle; Codebeispiele künstliche Intelligenz; Convolutional Neural Networks (CNNs) lernen; Deep Learning Frameworks; Diffusionsmodelle; Generative Adversarial Networks (GANs); Generative KI-Anwendungen; Natural Language Processing (NLP); Neuronale Netze trainieren und testen; Neuronale Netzwerke für Einsteiger; Praxisbuch künstliche neuronale Netze; Reinforcement Learning, Fachschema: Elektronik / Allgemeines, Einführung, Lexikon~Nachrichtentechnik~Algorithmus~Informatik, Fachkategorie: Informatik, Warengruppe: HC/Elektronik/Elektrotechnik/Nachrichtentechnik, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 216, Breite: 157, Höhe: 22, Gewicht: 520, Produktform: Gebunden,34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
Ähnliche Suchbegriffe für Springer-Hölscher-Künstliche-Neuronale
-
Künstliche neuronale Netze, Fachbücher von Daniel ScholzDieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen. Die Leser lernen, wie einfache neuronale Netzwerke aufgebaut, trainiert und getestet werden. Darauf aufbauend werden fortgeschrittene Themen wie Convolutional Neural Networks (CNNs), Autoencoder, autoregressive Modelle und Diffusionsmodelle erläutert. Zahlreiche praktische Beispiele und leicht nachvollziehbare Erklärungen machen das Werk zu einem praxisnahen Lehrbuch für alle, die sich in dieses zukunftsweisende Thema einarbeiten möchten.34,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung, Fachbücher von Jonas KasteIn dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne Vorwissen implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden sowohl in Simulationen als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zugrunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler.109,99 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann. ** Hinweis: Teile dieses Inhalts wurden von KI erstellt.