Andere Kunden interessierten sich auch für
![PREDICCIÓN DE CONTAMINANTES ATMOSFÉRICOS MEDIANTE IOT Y APRENDIZAJE AUTOMÁTICO]( "PREDICCIÓN DE CONTAMINANTES ATMOSFÉRICOS MEDIANTE IOT Y APRENDIZAJE AUTOMÁTICO")
PREDICCIÓN DE CONTAMINANTES ATMOSFÉRICOS MEDIANTE IOT Y APRENDIZAJE AUTOMÁTICO32,99 €![PREVISIONE DEGLI INQUINANTI ATMOSFERICI TRAMITE IOT E MACHINE LEARNING]( "PREVISIONE DEGLI INQUINANTI ATMOSFERICI TRAMITE IOT E MACHINE LEARNING")
PREVISIONE DEGLI INQUINANTI ATMOSFERICI TRAMITE IOT E MACHINE LEARNING29,99 €![Alimentar o futuro: Controlo inteligente da tensão CC com aprendizagem automática]( "Alimentar o futuro: Controlo inteligente da tensão CC com aprendizagem automática")
Alimentar o futuro: Controlo inteligente da tensão CC com aprendizagem automática29,99 €![Introdução ao Python para aprendizagem automática]( "Introdução ao Python para aprendizagem automática")
Introdução ao Python para aprendizagem automática39,99 €![Previsão da proporção de mistura de betão utilizando a rede neural artificial]( "Previsão da proporção de mistura de betão utilizando a rede neural artificial")
Previsão da proporção de mistura de betão utilizando a rede neural artificial23,99 €![Análise da qualidade do vinho com recurso à inteligência artificial e à aprendizagem automática]( "Análise da qualidade do vinho com recurso à inteligência artificial e à aprendizagem automática")
Análise da qualidade do vinho com recurso à inteligência artificial e à aprendizagem automática29,99 €![O FUTURO É AGORA: UM GUIA PARA UTILIZAR A APRENDIZAGEM AUTOMÁTICA]( "O FUTURO É AGORA: UM GUIA PARA UTILIZAR A APRENDIZAGEM AUTOMÁTICA")
O FUTURO É AGORA: UM GUIA PARA UTILIZAR A APRENDIZAGEM AUTOMÁTICA39,99 €
apresentamos um caixote do lixo inteligente baseado na IoT que utiliza um modelo de aprendizagem automática e profunda para gerir a eliminação do lixo e prever os poluentes atmosféricos presentes no ambiente circundante do caixote do lixo. Experimentámos um modelo tradicional (algoritmo dos vizinhos mais próximos (k-NN) e regressão logística) e um algoritmo não tradicional (aprendizagem profunda baseada numa rede de memória de curto prazo longa (LSTM)) para a criação de mensagens de alerta sobre o estado do caixote do lixo e a previsão da quantidade de monóxido de carbono (CO) poluente presente no ar numa instância específica. As recuperações da regressão logística e do algoritmo k-NN são de 79% e 83%, respetivamente, num ambiente de teste em tempo real para prever o estado do contentor. A precisão dos modelos LSTM modificado e LSTM simples é de 90% e 88%, respetivamente, para prever a concentração futura de gases presentes no ar. O sistema resultou num atraso de 4 s na criação e transmissão da mensagem de alerta a um trabalhador do sector sanitário. O sistema permitiu a monitorização em tempo real dos níveis de lixo juntamente com as notificações do mecanismo de alerta.