Produktbild: Nonlinear Data Assimilation
Band 2

Nonlinear Data Assimilation

39,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

30.07.2015

Abbildungen

XII, 19 illus., 15 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Verlag

Springer

Seitenzahl

118

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

237 g

Auflage

1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-18346-6

Beschreibung

Rezension

“In the present volume two solutions are presented to deal with high-dimensional systems, where both methods start from ‘particle filters’, i.e., from sequential Monte Carlo methods in which the samples are called ‘particles’. … The volume, containing many figures and references, can be recommended to readers interested in the design and application of data assimilation algorithms.” (Kurt Marti, zbMATH 1330.62004, 2016)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

30.07.2015

Abbildungen

XII, 19 illus., 15 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Verlag

Springer

Seitenzahl

118

Maße (L/B/H)

23,5/15,5/0,8 cm

Gewicht

237 g

Auflage

1st ed. 2015

Sprache

Englisch

ISBN

978-3-319-18346-6

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Die Leseprobe wird geladen.
  • Produktbild: Nonlinear Data Assimilation
  • Nonlinear Data Assimiliatoin for High-Dimensional Systems.- Assimilating Data into Scientific Models: An Optimal Coupling Perspective.