Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Applied Mathematics and Computer Science
Band 26 (2016): Heft 2 (June 2016)
Uneingeschränkter Zugang
Data mining methods for prediction of air pollution
Krzysztof Siwek
Krzysztof Siwek
und
Stanisław Osowski
Stanisław Osowski
| 02. Juli 2016
International Journal of Applied Mathematics and Computer Science
Band 26 (2016): Heft 2 (June 2016)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
02. Juli 2016
Seitenbereich:
467 - 478
Eingereicht:
29. Jan. 2015
Akzeptiert:
20. Sept. 2015
DOI:
https://doi.org/10.1515/amcs-2016-0033
Schlüsselwörter
computational intelligence
,
feature selection
,
neural networks
,
random forest
,
air pollution forecasting
© by Stanisław Osowski
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.
Krzysztof Siwek
Faculty of Electrical Engineering Warsaw University of Technology, pl. Politechniki 1, 00-661 Warsaw, Poland
Stanisław Osowski
Faculty of Electrical Engineering Warsaw University of Technology, pl. Politechniki 1, 00-661 Warsaw, Poland
Faculty of Electronic Engineering Military University of Technology, ul. Kaliskiego 2, 00-908 Warsaw, Poland