Andere Kunden interessierten sich auch für
![Redes sociais e bases de dados temáticas de QoS: a base de uma cidade inteligente]( "Redes sociais e bases de dados temáticas de QoS: a base de uma cidade inteligente")
Redes sociais e bases de dados temáticas de QoS: a base de uma cidade inteligente29,99 €![Inteligência Artificial e Cidade Inteligente]( "Inteligência Artificial e Cidade Inteligente")
Inteligência Artificial e Cidade Inteligente39,99 €![ABORDAGEM DE APRENDIZAGEM DE MÁQUINAS PARA ANÁLISE DE DADOS]( "ABORDAGEM DE APRENDIZAGEM DE MÁQUINAS PARA ANÁLISE DE DADOS")
ABORDAGEM DE APRENDIZAGEM DE MÁQUINAS PARA ANÁLISE DE DADOS36,99 €![Explorando a Internet das Coisas: uma análise comparativa do aplicativo de cidade inteligente]( "Explorando a Internet das Coisas: uma análise comparativa do aplicativo de cidade inteligente")
Explorando a Internet das Coisas: uma análise comparativa do aplicativo de cidade inteligente39,99 €![Resumos de texto baseados em consultas utilizando a abordagem de aprendizagem por máquinas]( "Resumos de texto baseados em consultas utilizando a abordagem de aprendizagem por máquinas")
Resumos de texto baseados em consultas utilizando a abordagem de aprendizagem por máquinas26,99 €![Quadro para o CDSS inteligente para diagnosticar a leucemia mielóide crónica]( "Quadro para o CDSS inteligente para diagnosticar a leucemia mielóide crónica")
Quadro para o CDSS inteligente para diagnosticar a leucemia mielóide crónica32,99 €![FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real]( "FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real")
FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real39,99 €
As cidades inteligentes são um dos campos de investigação mais activos do mundo, devido aos vários benefícios e desafios associados à sua implementação. Um grande desafio para as cidades inteligentes é o processamento e transporte dos enormes volumes de dados gerados pela camada de rede de sensores, que constrói a camada física fundamental. É necessária investigação contínua para enfrentar os desafios computacionais que surgem em ambientes de cidades inteligentes, particularmente para ajudar a garantir operações eficientes em torno da camada de sensores. Para enfrentar este desafio, propõe-se um novo trabalho de enquadramento da camada física, que aprende inteligentemente o comportamento do sistema físico para permitir que os agentes controlem os sensores eficazmente e alcancem os objectivos pré-definidos do(s) sensor(es) e do ambiente. Além disso, um novo algoritmo de aprendizagem semi-supervisionado de aprendizagem Bayesian proposto para aprender e prever os comportamentos dos sensores para gerir eficientemente o consumo de energia nas casas. O novo modelo e algoritmo foram utilizados em várias simulações diversas, onde os resultados demonstraram a sua eficácia na gestão do consumo de energia em diferentes ambientes domésticos e em ambientes urbanos inteligentes.