• Fri frakt över 249 kr
  • •
  • Snabba leveranser
  • •
  • Billiga böcker
Kundservice

Du är på sajten för privatpersoner.

Företag, bibliotek eller offentlig verksamhet?

Du handlar på classic.bokus.com, där alla dina funktioner finns intakta.
Till classic.bokus.com
Bokus logotyp. Gå till startsidan.
  • Erbjudanden
  • Nyheter
  • Student
  • Topplistor
  • Barn & ungdom
  • Bokus Play
  • E-böcker
  • Pocketböcker
  • Spel & pussel

10% rabatt på allt med kod: NYSTART10 →

Sidfot

Mina sidor

    Hjälp

    • Kundservice
    • Vanliga frågor och svar
    • Frakt och leverans
    • Retur vid ångerrätt
    • Reklamera vara
    • Betalning
    • Köpvillkor
    • Allmänna villkor
    • Information om webbplatsens tillgänglighet

    Om Bokus

    • Om oss
    • Pressrum
    • För studenter
    • För företag
    • För bibliotek och offentlig verksamhet
    • För leverantörer
    • Hållbarhet

    Populärt

    • Aktuella erbjudanden
    • Presentkort
    • Studentlitteratur
    • Nya böcker
    • Topplistor
    • Signerade böcker
    • Engelska böcker

    Inspiration

    • Boktips
    • BookTok
    • Populära bokserier
    • Barnbokskaraktärer
    • Populära författare
    Logotyp för Bokus
    Följ oss på Facebook (extern länk)Följ oss på Instagram (extern länk)Följ oss på YouTube (extern länk)Följ oss på TikTok (extern länk)
    bokus @ CookiesAnpassa cookiesIntegritetspolicyKöpvillkor
    Till Citymail hemsida (extern länk)Till Budbee hemsida (extern länk)Till Postnord hemsida (extern länk)Till Schenker hemsida (extern länk)Till Early Bird hemsida (extern länk)Till Walleys hemsida (extern länk)
    1. Data och IT
    2. Systemvetenskap och AI

    Gravitational Wave Science with Machine Learning

    AvElena Cuoco

    Inbunden, Engelska, 2025

    Del i serien Springer Series in Astrophysics and Cosmology

    1 409 kr

    Beställningsvara. Skickas inom 10-15 vardagar. Fri frakt över 249 kr.

    Beskrivning

    This book highlights the state of the art of machine learning applied to the science of gravitational waves. The main topics of the book range from the search for astrophysical gravitational wave signals to noise suppression techniques and control systems using machine learning-based algorithms. During the four years of work in the COST Action CA17137-A network for Gravitational Waves, Geophysics and Machine Learning (G2net), the collaboration produced several original publications as well as tutorials and lectures in the training schools we organized. The book encapsulates the immense amount of finding and achievements.It is a timely reference for young researchers approaching the analysis of data from gravitational wave experiments, with alternative approaches based on the use of artificial intelligence techniques.

    Produktinformation

    • Utgivningsdatum:2025-04-12
    • Mått:155 x 235 x 22 mm
    • Vikt:696 g
    • Format:Inbunden
    • Språk:Engelska
    • Serie:Springer Series in Astrophysics and Cosmology
    • Antal sidor:289
    • Förlag:Springer Nature Switzerland AG
    • ISBN:9789819617364

    Utforska kategorier

    • Systemvetenskap och AI inom Data och IT
    • Tillämpad fysik inom Naturvetenskap och teknik
    • Fysik inom Naturvetenskap och teknik

    Mer om författaren

    Dr. Elena Cuoco is Full Professor at the University of Bologna since 2024, she conducts research in the field of gravitational waves. She is a member of the LIGO/Virgo/KAGRA collaboration, where she works on data analysis and the application of artificial intelligence techniques for detector characterization and the search for gravitational signals of astrophysical origin. From 2018 to 2023, she served as the Action Chair for COST Action CA17137, dedicated to the application of machine learning to gravitational wave science. Author of numerous scientific publications, she is involved in various initiatives at the European and international levels.

    Innehållsförteckning

    • 1. Neural network time-series classifiers for gravitational-wave searches in single-detector periods.- 2. A simple self similarity-based unsupervised noise monitor for gravitational-wave detectors.- 3 Simulation of transient noise bursts in gravitational wave interferometers.- 4. Efficient ML Algorithms for Detecting Glitches and Data Patterns in LIGO Time Series.- 5. Denoising gravitational-wave signals from binary black holes with dilated convolutional autoencoder.