Kamble Shridevi Jeevan (30 results)

Taschenbuch. Condition: Neu. Neuware -In the dynamic landscape of Intelligent Transportation Systems, this research pioneers strategies for efficient route prediction, particularly vital for emergency vehicles (EVs). The HL-CTP model employs incremental learning, enhancing accuracy by fine-tuning predictions based on historical data. Complementing this, the SG-TSE model adjusts traffic lights, minimizing the negative impact of congestion on both regular traffic and EV preemption. Recognizing the limitations of traditional machine learning in Internet of Vehicles networks, our third objective utilizes YOLOv4-based traffic monitoring, incorporating the Kalman filter for real-time IoV environment modeling. Policymakers can leverage this data for informed decisions, improving transportation efficiency, reducing congestion, and enhancing safety. Integrating RSUs efficiently manages network resources, contributes to smarter transportation systems, and elevates urban living standards. In conclusion, this research not only advances route prediction and EV preemption but also adds value to the broader landscape of intelligent and responsive transportation systems, benefiting society at large.Books on Demand GmbH, Überseering 33, 22297 Hamburg 64 pp. Englisch.

Taschenbuch. Condition: Neu. Roadmap to Smart Mobility: Machine Learning in Connected Vehicles | Machine Learning Frameworks: Paving the Way for Smart Transportation | Shridevi Jeevan Kamble | Taschenbuch | Englisch | 2023 | LAP LAMBERT Academic Publishing | EAN 9786207450404 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.

paperback. Condition: New. NEW. SHIPS FROM MULTIPLE LOCATIONS. book.

Taschenbuch. Condition: Neu. Neuware -En el dinámico panorama de los sistemas de transporte inteligentes, esta investigación es pionera en estrategias de predicción eficiente de rutas, especialmente vitales para los vehículos de emergencia (VE). El modelo HL-CTP emplea el aprendizaje incremental, mejorando la precisión al afinar las predicciones basándose en datos históricos. Como complemento, el modelo SG-TSE ajusta los semáforos, minimizando el impacto negativo de la congestión tanto en el tráfico normal como en el adelantamiento de vehículos eléctricos. Reconociendo las limitaciones del aprendizaje automático tradicional en las redes del Internet de los Vehículos, nuestro tercer objetivo utiliza la monitorización del tráfico basada en YOLOv4, incorporando el filtro de Kalman para el modelado del entorno del IoV en tiempo real. Los responsables políticos pueden aprovechar estos datos para tomar decisiones informadas, mejorar la eficiencia del transporte, reducir la congestión y mejorar la seguridad. La integración de las RSU gestiona eficientemente los recursos de la red, contribuye a sistemas de transporte más inteligentes y eleva el nivel de vida urbano. En conclusión, esta investigación no sólo avanza en la predicción de rutas y la anticipación de vehículos eléctricos, sino que también añade valor al panorama más amplio de los sistemas de transporte inteligentes y con capacidad de respuesta, beneficiando a la sociedad en general.Books on Demand GmbH, Überseering 33, 22297 Hamburg 72 pp. Spanisch.

Condition: New.

Taschenbuch. Condition: Neu. Neuware -Dans le paysage dynamique des systèmes de transport intelligents, cette recherche ouvre la voie à des stratégies de prédiction d'itinéraires efficaces, particulièrement vitales pour les véhicules d'urgence (EV). Le modèle HL-CTP utilise l'apprentissage progressif, améliorant la précision en affinant les prédictions sur la base de données historiques. En complément, le modèle SG-TSE ajuste les feux de circulation, minimisant l'impact négatif de la congestion sur le trafic régulier et la préemption des véhicules d'urgence. Reconnaissant les limites de l'apprentissage automatique traditionnel dans les réseaux de l'Internet des véhicules, notre troisième objectif utilise la surveillance du trafic basée sur YOLOv4, en incorporant le filtre de Kalman pour la modélisation en temps réel de l'environnement de l'Internet des véhicules. Les décideurs peuvent exploiter ces données pour prendre des décisions éclairées, améliorer l'efficacité des transports, réduire les embouteillages et renforcer la sécurité. L'intégration des RSU permet de gérer efficacement les ressources du réseau, de contribuer à des systèmes de transport plus intelligents et d'améliorer les conditions de vie dans les villes. En conclusion, cette recherche ne fait pas seulement progresser la prédiction des itinéraires et la préemption des véhicules électriques, mais ajoute également de la valeur au paysage plus large des systèmes de transport intelligents et réactifs, au bénéfice de la société dans son ensemble.Books on Demand GmbH, Überseering 33, 22297 Hamburg 72 pp. Französisch.

Taschenbuch. Condition: Neu. Feuille de route pour une mobilité intelligente : L'apprentissage automatique dans les véhicules connectés | Cadres d'apprentissage automatique : Ouvrir la voie aux transports intelligents | Shridevi Jeevan Kamble | Taschenbuch | Französisch | 2024 | Editions Notre Savoir | EAN 9786206948292 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Condition: New.

Condition: New.

Taschenbuch. Condition: Neu. Neuware -Nel panorama dinamico dei sistemi di trasporto intelligenti, questa ricerca è all'avanguardia per quanto riguarda le strategie di previsione di percorsi efficienti, particolarmente importanti per i veicoli di emergenza (EV). Il modello HL-CTP impiega l'apprendimento incrementale, migliorando l'accuratezza grazie alla messa a punto delle previsioni basate sui dati storici. A complemento di ciò, il modello SG-TSE regola i semafori, riducendo al minimo l'impatto negativo della congestione sia sul traffico regolare che sulla prelazione dei veicoli elettrici. Riconoscendo i limiti dell'apprendimento automatico tradizionale nelle reti dell'Internet of Vehicles, il nostro terzo obiettivo utilizza il monitoraggio del traffico basato su YOLOv4, incorporando il filtro di Kalman per la modellazione dell'ambiente IoV in tempo reale. I responsabili politici possono sfruttare questi dati per prendere decisioni informate, migliorando l'efficienza dei trasporti, riducendo la congestione e aumentando la sicurezza. L'integrazione delle RSU gestisce in modo efficiente le risorse di rete, contribuisce a rendere più intelligenti i sistemi di trasporto e migliora gli standard di vita nelle città. In conclusione, questa ricerca non solo fa progredire la previsione del percorso e la prelazione dei veicoli elettrici, ma aggiunge valore al più ampio panorama dei sistemi di trasporto intelligenti e reattivi, a beneficio della società in generale.Books on Demand GmbH, Überseering 33, 22297 Hamburg 72 pp. Italienisch.

Taschenbuch. Condition: Neu. Neuware -In der dynamischen Landschaft der intelligenten Verkehrssysteme leistet diese Forschungsarbeit Pionierarbeit für Strategien zur effizienten Routenvorhersage, die insbesondere für Einsatzfahrzeuge (EVs) wichtig sind. Das HL-CTP-Modell arbeitet mit inkrementellem Lernen und verbessert die Genauigkeit durch Feinabstimmung der Vorhersagen auf der Grundlage historischer Daten. Ergänzend dazu passt das SG-TSE-Modell Ampelschaltungen an und minimiert so die negativen Auswirkungen von Staus auf den regulären Verkehr und die Vorfahrt von EVs. Unser drittes Ziel ist es, die Grenzen des traditionellen maschinellen Lernens in Internet-of-Vehicles-Netzwerken zu erkennen, indem wir die YOLOv4-basierte Verkehrsüberwachung nutzen und den Kalman-Filter für die Modellierung der IoV-Umgebung in Echtzeit einbeziehen. Politische Entscheidungsträger können diese Daten für fundierte Entscheidungen nutzen, um die Verkehrseffizienz zu verbessern, Staus zu reduzieren und die Sicherheit zu erhöhen. Die Integration von RSUs verwaltet Netzwerkressourcen effizient, trägt zu intelligenteren Verkehrssystemen bei und erhöht den Lebensstandard in Städten. Zusammenfassend lässt sich sagen, dass diese Forschungsarbeit nicht nur die Routenvorhersage und die EV-Preemption vorantreibt, sondern auch einen Mehrwert für die breitere Landschaft intelligenter und reaktionsfähiger Verkehrssysteme schafft, wovon die Gesellschaft als Ganzes profitiert.Books on Demand GmbH, Überseering 33, 22297 Hamburg 72 pp. Deutsch.

Taschenbuch. Condition: Neu. Roteiro para a mobilidade inteligente: Aprendizagem automática em veículos conectados | Quadros de aprendizagem automática: Abrir caminho para transportes inteligentes | Shridevi Jeevan Kamble | Taschenbuch | Portugiesisch | 2024 | Edições Nosso Conhecimento | EAN 9786206948315 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condition: Neu. Tabella di marcia verso la mobilità intelligente: L'apprendimento automatico nei veicoli connessi | Quadri di apprendimento automatico: Spianare la strada al trasporto intelligente | Shridevi Jeevan Kamble | Taschenbuch | Italienisch | 2024 | Edizioni Sapienza | EAN 9786206948339 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condition: Neu. Roadmap zur intelligenten Mobilität: Maschinelles Lernen in vernetzten Fahrzeuge | Rahmenwerke für maschinelles Lernen: Den Weg für intelligenten Verkehr ebnen | Shridevi Jeevan Kamble | Taschenbuch | 72 S. | Deutsch | 2024 | Verlag Unser Wissen | EAN 9786206948285 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 64 pp. Englisch.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 72 pp. Spanisch.

Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. In the dynamic landscape of Intelligent Transportation Systems, this research pioneers strategies for efficient route prediction, particularly vital for emergency vehicles (EVs). The HL-CTP model employs incremental learning, enhancing accuracy by fine-tuni.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 72 pp. Französisch.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - In the dynamic landscape of Intelligent Transportation Systems, this research pioneers strategies for efficient route prediction, particularly vital for emergency vehicles (EVs). The HL-CTP model employs incremental learning, enhancing accuracy by fine-tuning predictions based on historical data. Complementing this, the SG-TSE model adjusts traffic lights, minimizing the negative impact of congestion on both regular traffic and EV preemption. Recognizing the limitations of traditional machine learning in Internet of Vehicles networks, our third objective utilizes YOLOv4-based traffic monitoring, incorporating the Kalman filter for real-time IoV environment modeling. Policymakers can leverage this data for informed decisions, improving transportation efficiency, reducing congestion, and enhancing safety. Integrating RSUs efficiently manages network resources, contributes to smarter transportation systems, and elevates urban living standards. In conclusion, this research not only advances route prediction and EV preemption but also adds value to the broader landscape of intelligent and responsive transportation systems, benefiting society at large.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - En el dinámico panorama de los sistemas de transporte inteligentes, esta investigación es pionera en estrategias de predicción eficiente de rutas, especialmente vitales para los vehículos de emergencia (VE). El modelo HL-CTP emplea el aprendizaje incremental, mejorando la precisión al afinar las predicciones basándose en datos históricos. Como complemento, el modelo SG-TSE ajusta los semáforos, minimizando el impacto negativo de la congestión tanto en el tráfico normal como en el adelantamiento de vehículos eléctricos. Reconociendo las limitaciones del aprendizaje automático tradicional en las redes del Internet de los Vehículos, nuestro tercer objetivo utiliza la monitorización del tráfico basada en YOLOv4, incorporando el filtro de Kalman para el modelado del entorno del IoV en tiempo real. Los responsables políticos pueden aprovechar estos datos para tomar decisiones informadas, mejorar la eficiencia del transporte, reducir la congestión y mejorar la seguridad. La integración de las RSU gestiona eficientemente los recursos de la red, contribuye a sistemas de transporte más inteligentes y eleva el nivel de vida urbano. En conclusión, esta investigación no sólo avanza en la predicción de rutas y la anticipación de vehículos eléctricos, sino que también añade valor al panorama más amplio de los sistemas de transporte inteligentes y con capacidad de respuesta, beneficiando a la sociedad en general.

Taschenbuch. Condition: Neu. Hoja de ruta hacia la movilidad inteligente: Aprendizaje automático en vehículos conectados | Marcos de aprendizaje automático: Allanando el camino para el transporte inteligente | Shridevi Jeevan Kamble | Taschenbuch | Spanisch | 2024 | Ediciones Nuestro Conocimiento | EAN 9786206948308 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu Print on Demand.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -No panorama dinâmico dos Sistemas de Transporte Inteligentes, esta investigação é pioneira em estratégias de previsão de rotas eficientes, particularmente vitais para veículos de emergência (VEs). O modelo HL-CTP emprega aprendizagem incremental, aumentando a precisão através do ajuste fino das previsões com base em dados históricos. Como complemento, o modelo SG-TSE ajusta os semáforos, minimizando o impacto negativo do congestionamento no tráfego regular e na preempção de VEs. Reconhecendo as limitações do aprendizado de máquina tradicional em redes de Internet de Veículos, nosso terceiro objetivo utiliza o monitoramento de tráfego baseado em YOLOv4, incorporando o filtro Kalman para modelagem de ambiente IoV em tempo real. Os decisores políticos podem tirar partido destes dados para tomar decisões informadas, melhorando a eficiência dos transportes, reduzindo o congestionamento e reforçando a segurança. A integração de RSUs gere eficazmente os recursos da rede, contribui para sistemas de transporte mais inteligentes e eleva os padrões de vida urbanos. Em conclusão, esta investigação não só faz avançar a previsão de rotas e a preempção de VE, como também acrescenta valor ao panorama mais vasto dos sistemas de transporte inteligentes e reactivos, beneficiando a sociedade em geral. 72 pp. Portugiesisch.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 72 pp. Italienisch.

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 72 pp. Deutsch.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Dans le paysage dynamique des systèmes de transport intelligents, cette recherche ouvre la voie à des stratégies de prédiction d'itinéraires efficaces, particulièrement vitales pour les véhicules d'urgence (EV). Le modèle HL-CTP utilise l'apprentissage progressif, améliorant la précision en affinant les prédictions sur la base de données historiques. En complément, le modèle SG-TSE ajuste les feux de circulation, minimisant l'impact négatif de la congestion sur le trafic régulier et la préemption des véhicules d'urgence. Reconnaissant les limites de l'apprentissage automatique traditionnel dans les réseaux de l'Internet des véhicules, notre troisième objectif utilise la surveillance du trafic basée sur YOLOv4, en incorporant le filtre de Kalman pour la modélisation en temps réel de l'environnement de l'Internet des véhicules. Les décideurs peuvent exploiter ces données pour prendre des décisions éclairées, améliorer l'efficacité des transports, réduire les embouteillages et renforcer la sécurité. L'intégration des RSU permet de gérer efficacement les ressources du réseau, de contribuer à des systèmes de transport plus intelligents et d'améliorer les conditions de vie dans les villes. En conclusion, cette recherche ne fait pas seulement progresser la prédiction des itinéraires et la préemption des véhicules électriques, mais ajoute également de la valeur au paysage plus large des systèmes de transport intelligents et réactifs, au bénéfice de la société dans son ensemble.

Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Dr.Shridevi Jeevan KambleDr. Shridevi ist eine erfahrene Akademikerin mit 12 Jahren Lehrerfahrung in den Bereichen Elektronik und Kommunikation sowie digitale Elektronik sowohl im Grund- als auch im Aufbaustudium. Sie verfuegt ueber fue.

Taschenbuch. Condition: Neu. This item is printed on demand - Print on Demand Titel. Neuware -No panorama dinâmico dos Sistemas de Transporte Inteligentes, esta investigação é pioneira em estratégias de previsão de rotas eficientes, particularmente vitais para veículos de emergência (VEs). O modelo HL-CTP emprega aprendizagem incremental, aumentando a precisão através do ajuste fino das previsões com base em dados históricos. Como complemento, o modelo SG-TSE ajusta os semáforos, minimizando o impacto negativo do congestionamento no tráfego regular e na preempção de VEs. Reconhecendo as limitações do aprendizado de máquina tradicional em redes de Internet de Veículos, nosso terceiro objetivo utiliza o monitoramento de tráfego baseado em YOLOv4, incorporando o filtro Kalman para modelagem de ambiente IoV em tempo real. Os decisores políticos podem tirar partido destes dados para tomar decisões informadas, melhorando a eficiência dos transportes, reduzindo o congestionamento e reforçando a segurança. A integração de RSUs gere eficazmente os recursos da rede, contribui para sistemas de transporte mais inteligentes e eleva os padrões de vida urbanos. Em conclusão, esta investigação não só faz avançar a previsão de rotas e a preempção de VE, como também acrescenta valor ao panorama mais vasto dos sistemas de transporte inteligentes e reactivos, beneficiando a sociedade em geral.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 72 pp. Portugiesisch.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - In der dynamischen Landschaft der intelligenten Verkehrssysteme leistet diese Forschungsarbeit Pionierarbeit für Strategien zur effizienten Routenvorhersage, die insbesondere für Einsatzfahrzeuge (EVs) wichtig sind. Das HL-CTP-Modell arbeitet mit inkrementellem Lernen und verbessert die Genauigkeit durch Feinabstimmung der Vorhersagen auf der Grundlage historischer Daten. Ergänzend dazu passt das SG-TSE-Modell Ampelschaltungen an und minimiert so die negativen Auswirkungen von Staus auf den regulären Verkehr und die Vorfahrt von EVs. Unser drittes Ziel ist es, die Grenzen des traditionellen maschinellen Lernens in Internet-of-Vehicles-Netzwerken zu erkennen, indem wir die YOLOv4-basierte Verkehrsüberwachung nutzen und den Kalman-Filter für die Modellierung der IoV-Umgebung in Echtzeit einbeziehen. Politische Entscheidungsträger können diese Daten für fundierte Entscheidungen nutzen, um die Verkehrseffizienz zu verbessern, Staus zu reduzieren und die Sicherheit zu erhöhen. Die Integration von RSUs verwaltet Netzwerkressourcen effizient, trägt zu intelligenteren Verkehrssystemen bei und erhöht den Lebensstandard in Städten. Zusammenfassend lässt sich sagen, dass diese Forschungsarbeit nicht nur die Routenvorhersage und die EV-Preemption vorantreibt, sondern auch einen Mehrwert für die breitere Landschaft intelligenter und reaktionsfähiger Verkehrssysteme schafft, wovon die Gesellschaft als Ganzes profitiert.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - No panorama dinâmico dos Sistemas de Transporte Inteligentes, esta investigação é pioneira em estratégias de previsão de rotas eficientes, particularmente vitais para veículos de emergência (VEs). O modelo HL-CTP emprega aprendizagem incremental, aumentando a precisão através do ajuste fino das previsões com base em dados históricos. Como complemento, o modelo SG-TSE ajusta os semáforos, minimizando o impacto negativo do congestionamento no tráfego regular e na preempção de VEs. Reconhecendo as limitações do aprendizado de máquina tradicional em redes de Internet de Veículos, nosso terceiro objetivo utiliza o monitoramento de tráfego baseado em YOLOv4, incorporando o filtro Kalman para modelagem de ambiente IoV em tempo real. Os decisores políticos podem tirar partido destes dados para tomar decisões informadas, melhorando a eficiência dos transportes, reduzindo o congestionamento e reforçando a segurança. A integração de RSUs gere eficazmente os recursos da rede, contribui para sistemas de transporte mais inteligentes e eleva os padrões de vida urbanos. Em conclusão, esta investigação não só faz avançar a previsão de rotas e a preempção de VE, como também acrescenta valor ao panorama mais vasto dos sistemas de transporte inteligentes e reactivos, beneficiando a sociedade em geral.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Nel panorama dinamico dei sistemi di trasporto intelligenti, questa ricerca è all'avanguardia per quanto riguarda le strategie di previsione di percorsi efficienti, particolarmente importanti per i veicoli di emergenza (EV). Il modello HL-CTP impiega l'apprendimento incrementale, migliorando l'accuratezza grazie alla messa a punto delle previsioni basate sui dati storici. A complemento di ciò, il modello SG-TSE regola i semafori, riducendo al minimo l'impatto negativo della congestione sia sul traffico regolare che sulla prelazione dei veicoli elettrici. Riconoscendo i limiti dell'apprendimento automatico tradizionale nelle reti dell'Internet of Vehicles, il nostro terzo obiettivo utilizza il monitoraggio del traffico basato su YOLOv4, incorporando il filtro di Kalman per la modellazione dell'ambiente IoV in tempo reale. I responsabili politici possono sfruttare questi dati per prendere decisioni informate, migliorando l'efficienza dei trasporti, riducendo la congestione e aumentando la sicurezza. L'integrazione delle RSU gestisce in modo efficiente le risorse di rete, contribuisce a rendere più intelligenti i sistemi di trasporto e migliora gli standard di vita nelle città. In conclusione, questa ricerca non solo fa progredire la previsione del percorso e la prelazione dei veicoli elettrici, ma aggiunge valore al più ampio panorama dei sistemi di trasporto intelligenti e reattivi, a beneficio della società in generale.