Inteligencia computacional para el análisis de datos

El libro «Inteligencia computacional para el transporte y la movilidad sostenibles – Volumen 1“ comienza con los conceptos básicos de la técnica de Inteligencia Computacional e introduce sus aplicaciones a la predicción, optimización, análisis del comportamiento del tráfico vehicular, estimación de la densidad del tráfico, etc. Se utilizan nuevas tecnologías y metodologías para mejorar los problemas existentes del sistema de tráfico. Debido al desarrollo de métodos de inteligencia computacional, se considera una técnica poderosa para reducir los problemas de tráfico, transporte y movilidad en áreas urbanas. En situaciones dinámicas y complejas, se requiere un mecanismo adaptativo para permitir o facilitar un comportamiento inteligente que se denomina técnica de Inteligencia Computacional (CI).

La técnica de CI incluye sistema multiagente (MAS), optimización de ballenas, AIS, redes neuronales profundas (DNN), niebla y Edge Computation. Estas técnicas de CI imitan el comportamiento y la inteligencia humanos; por lo tanto, el concepto de inteligencia se vincula directamente con el razonamiento y la toma de decisiones. Estas técnicas de CI se utilizan para desarrollar algoritmos, modelos y enfoques para operaciones sostenibles de transporte, tráfico y movilidad.


Recomendado: ¿Qué es el Big data?.


Los principales objetivos de este libro son presentar las técnicas novedosas desarrolladas, las nuevas tecnologías y la inteligencia computacional para la predicción de datos de transporte y movilidad sostenible, el análisis del comportamiento del tráfico, la estimación y predicción de la densidad del tráfico, la infraestructura de carga de vehículos eléctricos y la Industria 4.0. El énfasis principal de este libro es presentar técnicas, desafíos, problemas y conceptos de inteligencia computacional a investigadores, científicos y académicos en general.

Los lectores aprenderán cómo aplicar técnicas de inteligencia computacional como sistemas multiagente (MAS), optimización de ballenas, inteligencia artificial (AI), redes neuronales profundas (DNN) para que puedan desarrollar algoritmos, modelos y enfoques para operaciones de transporte sostenible. Este volumen es una lectura esencial para académicos y profesionales involucrados en cursos y programas de capacitación en el campo del transporte, informática, ciencia de datos y aprendizaje automático aplicado.

Sobre los autores:

Deepak Gupta recibió un B.Tech. de la GGGSIPU, India. Recibió ME de la Universidad Tecnológica de Delhi, India y Ph.D. de la Universidad Técnica Dr. APJ Abdul Kalam (AKTU), India. Ha completado su Postdoctorado en el Instituto Nacional de Telecomunicaciones, Brasil. Es coautor de más de 231 artículos, incluidos 129 artículos de SCI. Ha escrito/editado 59 libros, publicados por IEEE-Wiley, Elsevier, Springer, Wiley, CRC Press, DeGruyter y Katsons. Ha llenado 6 patentes indias. Es convocante de la serie de conferencias ICICC, ICDAM y DoSCI Springer. Recibió el premio al mejor artículo del Consejo del Sistema IEEE de 2021. Ha aparecido en la lista del 2% de la base de datos de científicos/investigadores más importante del mundo. [Table-S7-singleyr-2019]. También es editor de la serie «Ingeniería biomédica de Elsevier» en Elsevier, «Análisis de datos biomédicos inteligentes» en De Gruyter y «IA explicable (XAI) para aplicaciones de ingeniería» en CRC Press.

Dr. Suresh Chavhan (SMIEEE) es profesor asistente en el Centro de Investigación Automotriz, el Instituto de Tecnología de Vellore (VIT), Vellore. Fue investigador posdoctoral y trabajó en la Universidad Federal de Piauí (UFPI), Brasil. Recibió su doctorado en Ingeniería de Comunicaciones Eléctricas (2019) del Instituto Indio de Ciencias, Bangalore. Antes de eso, recibió sus títulos de maestría (2013) y licenciatura (2011) del Instituto Nacional de Tecnología, Surathkal y VTU, Belgaum, respectivamente. Recibió el Premio de Publicación de la Sección de Madrás de IEEE de 2021, el prestigioso Premio al Mejor Artículo de IEEE Systems Journal de 2021 con un premio de $500 y una beca de viaje internacional de SERB, India. Una de sus ideas fue preseleccionada como Top 34 para la fase de construcción de prototipos de Mercedes-Benz Digital Challenge, India, 2020. Ha publicado más de 30 artículos SCI con muy buenos factores de impacto.

Palabras clave:

Modelado Predictivo, Sistema Inmune Artificial, Navegación Inteligente. Transferencia de datos, Fog and Edge Computing, Vehículos autónomos, Análisis de Big Data, Computación en la nube, Sensores, Redes de transporte. Cojinetes de Aire, Aceleradores Electromagnéticos, Transonic, Vacío.

Para mayor información por favor visite: https://bit.ly/3F0Az9O


Descargo de responsabilidad: AAAS y Eurek Alert! no son responsables de la precisión de los comunicados de prensa publicados en EurekAlert! por instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.