Buchumschlag

Fundamental Mathematical Concepts for Machine Learning in Science

This book is for individuals with a scientific background who aspire to apply machine learning within various natural science disciplines—such as physics, chemistry, biology, medicine, psychology and many more. It elucidates core mathematical concepts in an accessible and straightforward manner, mai...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Michelucci, Umberto (VerfasserIn)
Körperschaft:	SpringerLink (Online service)
Format:	Elektronisch E-Book
Sprache:	Englisch
Veröffentlicht:	Cham : Springer International Publishing : Imprint: Springer, 2024.
Ausgabe:	1st ed. 2024.
Schlagworte:	Machine learning. Bioinformatics. Mathematical physics. Computer simulation. Bioengineering. Computational intelligence. Machine Learning. Computational Physics and Simulations. Computational and Systems Biology. Biological and Physical Engineering. Computational Intelligence.
Online-Zugang:	https://doi.org/10.1007/978-3-031-56431-4
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gravitational Wave Science with Machine Learning
Veröffentlicht: (2025)

Applications of Machine Learning in Hydroclimatology
von: Srivastav, Roshan, et al.
Veröffentlicht: (2025)

Machine Learning in Molecular Sciences
Veröffentlicht: (2023)

Handbook of Evolutionary Machine Learning
Veröffentlicht: (2024)

Metaheuristics for Machine Learning New Advances and Tools /
Veröffentlicht: (2023)

Machine Learning for Real World Applications
Veröffentlicht: (2024)

Quantum Machine Learning Thinking and Exploration in Neural Network Models for Quantum Science and Quantum Computing /
von: Conti, Claudio
Veröffentlicht: (2024)

Improving Classifier Generalization Real-Time Machine Learning based Applications /
von: Sevakula, Rahul Kumar, et al.
Veröffentlicht: (2023)

Domain Generalization with Machine Learning in the NOvA Experiment
von: Sutton, Andrew T.C
Veröffentlicht: (2023)

Machine Learning Assisted Evolutionary Multi- and Many- Objective Optimization
von: Saxena, Dhish Kumar, et al.
Veröffentlicht: (2024)

A Primer on Generative Adversarial Networks
von: Kaddoura, Sanaa
Veröffentlicht: (2023)

Malware Detection on Smart Wearables Using Machine Learning Algorithms
von: Alaba, Fadele Ayotunde, et al.
Veröffentlicht: (2025)

Distributed Machine Learning and Computing Theory and Applications /
Veröffentlicht: (2024)

Deep Learning Based Solutions for Vehicular Adhoc Networks
Veröffentlicht: (2025)

Machine Learning and Mechanics Based Soft Computing Applications
Veröffentlicht: (2023)

Concise Guide to Quantum Machine Learning
von: Pastorello, Davide
Veröffentlicht: (2023)

Robust Machine Learning Distributed Methods for Safe AI /
von: Guerraoui, Rachid, et al.
Veröffentlicht: (2024)

Machine Learning, Deep Learning and AI for Cybersecurity
Veröffentlicht: (2025)

Machine Learning and Artificial Intelligence
von: Joshi, Ameet V.
Veröffentlicht: (2023)

Representation in Machine Learning
von: Murty, M. N., et al.
Veröffentlicht: (2023)

Principles of Machine Learning The Three Perspectives /
von: Wang, Wenmin
Veröffentlicht: (2025)

Machine Learning Methods
von: Li, Hang
Veröffentlicht: (2024)

Stochastic Differential Equations for Chemical Transformations in White Noise Probability Space Wick Products and Computations /
von: Kulasiri, Don
Veröffentlicht: (2024)

Machine Learning and Soft Computing 9th International Conference, ICMLSC 2025, Tokyo, Japan, January 24–26, 2025, Revised Selected Papers, Part I /
Veröffentlicht: (2025)

Machine Learning Safety
von: Huang, Xiaowei, et al.
Veröffentlicht: (2023)

Machine Learning Contests: A Guidebook
von: He, Wang, et al.
Veröffentlicht: (2023)

Reinforcement Learning Theory and Python Implementation /
von: Xiao, Zhiqing
Veröffentlicht: (2024)

Probability and Statistics for Machine Learning A Textbook /
von: Aggarwal, Charu C.
Veröffentlicht: (2024)

Mean Field Guided Machine Learning
von: Kang, Yuhan, et al.
Veröffentlicht: (2025)

Fundamentals of Reinforcement Learning
von: Ris-Ala, Rafael
Veröffentlicht: (2023)

Materials Informatics II Software Tools and Databases /
Veröffentlicht: (2025)

Materials Informatics I Methods /
Veröffentlicht: (2025)

Practical Machine Learning Illustrated with KNIME
von: Geng, Yu, et al.
Veröffentlicht: (2024)

From Unimodal to Multimodal Machine Learning An Overview /
von: Škrlj, Blaž
Veröffentlicht: (2024)

Trustworthy Machine Learning for Healthcare First International Workshop, TML4H 2023, Virtual Event, May 4, 2023, Proceedings /
Veröffentlicht: (2023)

Design, Learning, and Innovation 8th EAI International Conference, DLI 2023, Aalborg, Denmark, November 6–7, 2023, Proceedings /
Veröffentlicht: (2024)

Design, Learning, and Innovation 9th EAI International Conference, DLI 2024, Virtual Event, November 7–8, 2024, Proceedings /
Veröffentlicht: (2025)

Machine Learning with Python Theory and Implementation /
von: Zollanvari, Amin
Veröffentlicht: (2023)

First-Principles and Machine Learning Study of Anharmonic Vibration and Dielectric Properties of Materials
von: Amano, Tomohito
Veröffentlicht: (2025)

Deep Generative Modeling
von: Tomczak, Jakub M.
Veröffentlicht: (2024)