Robust Latent Feature Learning for Incomplete Big Data
Lingua: inglese
Editore: Springer, Berlin|Springer Nature Singapore|Springer, 2023
- Brossura
- Nuovo
Condizione: Nuovo
EUR 48,37
Quantità: Più di 20 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. 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 v.
Codice articolo 738838663
- Titolo
- Robust Latent Feature Learning for Incomplete Big Data
- Autore
- Wu, Di
- Editore
- Springer, Berlin|Springer Nature Singapore|Springer
- Anno di pubblicazione
- 2023
- Condizione
- New
- Rilegatura
- Brossura
- Lingua
- inglese
- ISBN 10
- 9811981396
- ISBN 13
- 9789811981395
- Serie
- Libro 21 di 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.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
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).
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
moluna
Greven, Germania
Venditore AbeBooks dal 9 luglio 2020
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 26 a 60 giorni lavorativi | Da 26 a 60 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 48,99 | EUR 48,99 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Descrizione dello Store
Online Handel nur mit Neubüchern
Informazioni sull’azienda del venditore
Moluna GmbH
Engberdingdamm 27
Greven, Germania 48268
Condizioni di vendita
Editoriale
Riconoscimento legale degli offerenti:
Moluna GmbH
rappresentata dall'amministratore Helge Blischke
Engberdingdamm 27
48268 Greven
Germania
Telefono: 02571/5698933
Fax: 02571/5698930
E-Mail: abe@moluna.de
P. IVA: DE296281834
iscritta nel registro delle imprese del tribunale Steinfurt
numero di registro delle imprese HRB 10553
Siamo membri dell’iniziativa “FairCommerce” dal 24.07.2015.
Per ulteriori informazioni, vedere www.haendlerbund.de/faircommerce.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a moluna, Greven, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.