KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
Produktbild: Computer Vision and Machine Intelligence for Renewable Energy Systems

Computer Vision and Machine Intelligence for Renewable Energy Systems

Aus der Reihe Advances in Intelligent Energy Systems

177,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.09.2024

Herausgeber

Ashutosh Kumar Dubey + weitere

Verlag

Elsevier Science & Technology

Seitenzahl

388

Maße (L/B/H)

27,9/21,6/2 cm

Gewicht

898 g

Sprache

Englisch

ISBN

978-0-443-28947-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.09.2024

Herausgeber

Verlag

Elsevier Science & Technology

Seitenzahl

388

Maße (L/B/H)

27,9/21,6/2 cm

Gewicht

898 g

Sprache

Englisch

ISBN

978-0-443-28947-7

EU-Ansprechpartner

Elsevier B.V.
Radarweg 29
1043 NX Amsterdam
NL
productsafety@elsevier.com

Herstelleradresse

Elsevier Science & Technology
London Wall 125
EC2Y 5AS London
GB
tradeorders@elsevier.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Computer Vision and Machine Intelligence for Renewable Energy Systems
  • Part I Fundamentals of computer vision and machine learning for renewable energy systems

    1. An overview of renewable energy sources: technologies, applications and role of artificial intelligence

    2. Artificial intelligence for renewable energy strategies and techniques

    3. Computer vision-based regression techniques for renewable energy: predicting energy output and performance

    4. Utilization of computer vision and machine learning for solar power prediction

    5. Exploring data-driven multivariate statistical models for the prediction of solar energy

    6. Solar energy generation and power prediction through computer vision and machine intelligence

    Part II Computer vision techniques for renewable energy systems

    7. A machine intelligence model based on random forest for data-related renewable energy from wind farms in Brazil

    8. Bioenergy prediction using computer vision and machine intelligence: modeling and optimization of bioenergy production

    9. Artificial intelligence and machine intelligence: modeling and optimization of bioenergy production

    10. Advancing bioenergy: leveraging artificial intelligence for efficient production and optimization

    11. Image acquisition and processing techniques for crucial component of renewable energy technologies: mapping of rare earth element-bearing peralkaline granites

    12. Energy storage using computer vision: control and optimization of energy storage

    13. Classification techniques for renewable energy: identifying renewable energy sources and features

    14. Machine learning in renewable energy: classification techniques for identifying sources and features

    15. Advancing the frontier: hybrid renewable energy technologies for sustainable power generation

    16. Transfer learning for renewable energy: fine-tuning and domain adaptation

    Part III Renewable energy sources and computer vision opportunities

    17. Exploring the artificial intelligence in renewable energy: a bibliometric study using R Studio and VOSviewer

    18. Future directions of computer vision and AI for renewable energy: trends and challenges in renewable energy research and applications