Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

140 winkels

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Vind hier een winkel

€ 91,95

+ 183 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

The book represents the first attempt to systematically deal with the use of deep neural networks to forecast chaotic time series. Differently from most of the current literature, it implements a multi-step approach, i.e., the forecast of an entire interval of future values. This is relevant for many applications, such as model predictive control, that requires predicting the values for the whole receding horizon. Going progressively from deterministic models with different degrees of complexity and chaoticity to noisy systems and then to real-world cases, the book compares the performances of various neural network architectures (feed-forward and recurrent). It also introduces an innovative and powerful approach for training recurrent structures specific for sequence-to-sequence tasks. The book also presents one of the first attempts in the context of environmental time series forecasting of applying transfer-learning techniques such as domain adaptation.