Bhawna Kaushik / Yogita Yashveer Raghav
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
„Ein kausales räumlich-zeitliches Graph-Neuralnetzwerk für interpretierbare PM2,5-Prognosen in der Region Delhi NCR' stellt ein fortschrittliches Deep-Learning-Framework vor, das kausale Inferenz, räumliche Beziehungen und zeitliche Abhängigkeiten kombiniert, um die PM2,5-Luftverschmutzungswerte in der Region Delhi NCR genau vorherzusagen. Das Buch untersucht, wie Graph-Neural-Netzwerke (GNNs) die Interaktionen zwischen Messstationen modellieren und gleichzeitig kausale Faktoren identifizieren können, die die Luftqualität beeinflussen. Es legt den Schwerpunkt auf Prognosegenauigkeit, Interpretierbarkeit und erklärbare KI, wodurch politische Entscheidungsträger und Umweltbehörden in die Lage versetzt werden, Verschmutzungsmuster besser zu verstehen und fundierte Entscheidungen für das Luftqualitätsmanagement zu treffen.