Robust Latent Feature Learning for Incomplete Big Data
Idioma: inglés
Editorial: Springer, Springer Dez 2022, 2022
- Tapa blanda
- Nuevo
Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemaniabuchversandmimpf2000
Vendedor de IberLibro desde 23 de enero de 2017
Condición: Nuevo
EUR 53,49
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
This item is printed on demand - Print on Demand Titel. Neuware -Incomplete big data are frequently encountered in many industrial applications, such as recommender systems, the Internet of Things, intelligent transportation, cloud computing, and so on. It is of great significance to analyze them for mining rich and valuable knowledge and patterns. Latent feature analysis (LFA) is one of the most popular representation learning methods tailored for incomplete big data due to its high accuracy, computational efficiency, and ease of scalability. The crux of analyzing incomplete big data lies in addressing the uncertainty problem caused by their incomplete characteristics. However, existing LFA methods do not fully consider such uncertainty.In this book, the author introduces several robust latent feature learning methods to address such uncertainty for effectively and efficiently analyzing incomplete big data, including robust latent feature learning based on smooth L1-norm, improving robustness of latent feature learningusing L1-norm, improving robustness of latent feature learning using double-space, data-characteristic-aware latent feature learning, posterior-neighborhood-regularized latent feature learning, and generalized deep latent feature learning. Readers can obtain an overview of the challenges of analyzing incomplete big data and how to employ latent feature learning to build a robust model to analyze incomplete big data. In addition, this book provides several algorithms and real application cases, which can help students, researchers, and professionals easily build their models to analyze incomplete big data.Springer-Verlag KG, Sachsenplatz 4-6, 1201 Wien 128 pp. Englisch.…
N° de ref. del artículo 9789811981395
- Título
- Robust Latent Feature Learning for Incomplete Big Data
- Autor
- Di Wu
- Editorial
- Springer, Springer Dez 2022
- Año de publicación
- 2022
- Estado
- Neu
- Encuadernación
- Taschenbuch
- Idioma
- inglés
- ISBN 10
- 9811981396
- ISBN 13
- 9789811981395
- Peso del artículo
- 207 gramos
- Dimensiones
- 235x155x8 mm
- Serie
- Libro 21 de 103: SpringerBriefs in Computer Science
Incomplete big data are frequently encountered in many industrial applications, such as recommender systems, the Internet of Things, intelligent transportation, cloud computing, and so on. It is of great significance to analyze them for mining rich and valuable knowledge and patterns. Latent feature analysis (LFA) is one of the most popular representation learning methods tailored for incomplete big data due to its high accuracy, computational efficiency, and ease of scalability. The crux of analyzing incomplete big data lies in addressing the uncertainty problem caused by their incomplete characteristics. However, existing LFA methods do not fully consider such uncertainty.
In this book, the author introduces several robust latent feature learning methods to address such uncertainty for effectively and efficiently analyzing incomplete big data, including robust latent feature learning based on smooth L1-norm, improving robustness of latent feature learningusing L1-norm, improving robustness of latent feature learning using double-space, data-characteristic-aware latent feature learning, posterior-neighborhood-regularized latent feature learning, and generalized deep latent feature learning. Readers can obtain an overview of the challenges of analyzing incomplete big data and how to employ latent feature learning to build a robust model to analyze incomplete big data. In addition, this book provides several algorithms and real application cases, which can help students, researchers, and professionals easily build their models to analyze incomplete big data.
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
Dr. Di Wu received a Ph.D. degree in Computer Science from Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing, China, in 2019. He was a visiting scholar from April 2018 to April 2019 at the University of Louisiana, Lafayette, USA. Currently, he is a Professor at the College of Computer and Information Science, Southwest University. His current research interests include data mining, artificial intelligence, and big data. He has published over 50 papers, including 12 IEEE TRANSACTIONS papers, three highly cited paper of ESI, and several top-tier conferences such as AAAI, ICDM, WWW, and IJCAI, etc. His Google Scholar citations are more than 1800, and his H-Index is 23. He is an Associate Editor for Frontiers in Neurorobotics (SCI, IF 3.493). He received the Nomination Award for Excellent Doctoral Dissertation of the Chinese Association for Artificial Intelligence (CAAI).
“Acerca de” puede pertenecer a otra edición de este título.
buchversandmimpf2000
Emtmannsberg, BAYE, Alemania
Vendedor de IberLibro desde 23 de enero de 2017
Tarifas de envío de Alemania a Estados Unidos de America
| Artículo | De 60 a 60 días hábiles | De 60 a 60 días hábiles |
|---|---|---|
| Primer artículo | EUR 60,00 | EUR 75,00 |
Métodos de pago
- Cheque
- PayPal
Descripción de la tienda
Impressum Thorsten Retsch Buchversand Mimpf2000 Oberölschnitz 16 95517 Emtmannsberg Deutschland Telefon: 09209-2023188 Email: mimpf2000@online.de USt-ID-Nr.: DE 235096871 Wir führen gebrauchte Bücher aus allen Sparten der Literatur
Especialidad
Modernes Antiquariat - Bücher von 1960 bis heuteInformación empresarial del vendedor
buchversandmimpf2000
Alemania
Condiciones de venta
Impressum
Gesetzliche Anbieterkennung:
Thorsten Retsch
Buchversand Mimpf2000
Oberölschnitz 16
95517 Emtmannsberg
Deutschland
Telefon: 092092023188
E-Mail: order@buchversandmimpf2000.de
USt-IdNr.: DE 235096871
Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter http://ec.europa.eu/odr.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a buchversandmimpf2000, Emtmannsberg, BAYE, Germany, +49 09209-2023188, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Soweit in der Artikelbeschreibung keine andere Frist angegeben ist, erfolgt die Lieferung der Ware innerhalb von 3-5 Werktagen nach Vertragsschluss, bei Vorauszahlung erst nach Eingang des vollständigen Kaufpreises und der Versandkosten. Alle Preise inkl. MwSt.