Multimodal and Tensor Data Analytics for Industrial Systems Improvement (eBook)
X, 394 Seiten
Springer-Verlag
978-3-031-53092-0 (ISBN)
Nathan Gaw is an Assistant Professor of Data Science in the Department of Operational Sciences at Air Force Institute of Technology, Wright-Patterson AFB, Ohio, USA. His research develops new statistical machine learning algorithms to optimally fuse high-dimensional, multi-modal data sources to support decision making in military, healthcare and remote sensing. He received his B.S.E. and M.S. in biomedical engineering and a Ph.D. in industrial engineering from Arizona State University (ASU), Tempe, AZ, USA, in 2013, 2014, and 2019, respectively. Dr. Gaw was a Postdoctoral Research Fellow at the ASU-Mayo Clinic Center for Innovative Imaging (AMCII), Tempe, AZ, USA, from 2019-2020, and a Postdoctoral Research Fellow in the School of Industrial and Systems Engineering (ISyE) at Georgia Institute of Technology, Atlanta, GA, USA, from 2020-2021. He has also served as chair of the INFORMS Data Mining Society, and a member of IISE and IEEE.
Mostafa Reisi Gahrooei is an Assistant Professor in the Department of Industrial and Systems Engineering at the University of Florida. His research interests focus on data-driven modelling and monitoring complex and distributed systems by developing efficient methodologies and algorithms for modelling high-dimensional and multimodal data. The applications of his work are in precision agriculture, manufacturing, healthcare, and transportation systems. He is a co-director of the Data Informatics for Systems Improvement and Design (DISIDE) lab. Dr. Reisi is a member of the Institute for Operations Research and the Management Sciences (INFORMS) and the Institute of Industrial and Systems Engineers (IISE).
Erscheint lt. Verlag | 16.5.2024 |
---|---|
Reihe/Serie | Springer Optimization and Its Applications |
Zusatzinfo | X, 394 p. 100 illus., 95 illus. in color. |
Sprache | englisch |
Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
Mathematik / Informatik ► Mathematik ► Statistik | |
Schlagworte | Bayesian multimodal • distributed learning • federated learning • Multimodal Data • multimodel deep learning • Multivariate Statistics • spatio-temporal data • tensor data analytics |
ISBN-10 | 3-031-53092-6 / 3031530926 |
ISBN-13 | 978-3-031-53092-0 / 9783031530920 |
Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
Haben Sie eine Frage zum Produkt? |
Größe: 13,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich