Isbn: 9786208459765 - approche basée sur mapreduce pour la plus longue sous-séquence commune dans les séquences biologiques (11 risultati)

PAP. Condizione: New. New Book. Shipped from UK. Established seller since 2000.

Condizione: New.

PAP. Condizione: New. New Book. Shipped from UK. Established seller since 2000.

Condizione: New.

Taschenbuch. Condizione: Neu. Approche basée sur MapReduce pour la plus longue sous-séquence commune dans les séquences biologiques | Jnaneshwar Bohara (u. a.) | Taschenbuch | Französisch | 2025 | Editions Notre Savoir | EAN 9786208459765 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.…

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 52 pp. Französisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - L'identification de la plus longue sous-séquence commune (LCS) des séquences biologiques a des applications importantes en bio-informatique. En raison de la croissance émergente des applications bio-informatiques, de nouvelles séquences biologiques plus longues ont été utilisées pour le traitement, ce qui représente un défi de taille pour les algorithmes LCS séquentiels. Quelques algorithmes LCS parallèles ont été proposés, mais leur efficacité et leur efficience ne sont pas satisfaisantes compte tenu de la complexité et de la taille croissantes des données biologiques. Afin de surmonter les limites des algorithmes LCS existants et compte tenu du modèle de programmation MapReduce comme technologie prometteuse pour un calcul parallèle haute performance et rentable, un algorithme parallèle basé sur MapReduce a été développé pour LCS. Cette approche adopte les concepts de tables de successeurs, de paires de caractères identiques, d'arbre de successeurs et de traversée de l'arbre de successeurs pour trouver la plus longue sous-séquence commune. Le cadre Hadoop est utilisé pour la réalisation du modèle MapReduce.…

Condizione: New. Print on Demand.

Condizione: New. PRINT ON DEMAND.

Paperback. Condizione: new. Paperback. L'identification de la plus longue sous-sequence commune (LCS) des sequences biologiques a des applications importantes en bio-informatique. En raison de la croissance emergente des applications bio-informatiques, de nouvelles sequences biologiques plus longues ont ete utilisees pour le traitement, ce qui represente un defi de taille pour les algorithmes LCS sequentiels. Quelques algorithmes LCS paralleles ont ete proposes, mais leur efficacite et leur efficience ne sont pas satisfaisantes compte tenu de la complexite et de la taille croissantes des donnees biologiques. Afin de surmonter les limites des algorithmes LCS existants et compte tenu du modele de programmation MapReduce comme technologie prometteuse pour un calcul parallele haute performance et rentable, un algorithme parallele base sur MapReduce a ete developpe pour LCS. Cette approche adopte les concepts de tables de successeurs, de paires de caracteres identiques, d'arbre de successeurs et de traversee de l'arbre de successeurs pour trouver la plus longue sous-sequence commune. Le cadre Hadoop est utilise pour la realisation du modele MapReduce. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -L'identification de la plus longue sous-séquence commune (LCS) des séquences biologiques a des applications importantes en bio-informatique. En raison de la croissance émergente des applications bio-informatiques, de nouvelles séquences biologiques plus longues ont été utilisées pour le traitement, ce qui représente un défi de taille pour les algorithmes LCS séquentiels. Quelques algorithmes LCS parallèles ont été proposés, mais leur efficacité et leur efficience ne sont pas satisfaisantes compte tenu de la complexité et de la taille croissantes des données biologiques. Afin de surmonter les limites des algorithmes LCS existants et compte tenu du modèle de programmation MapReduce comme technologie prometteuse pour un calcul parallèle haute performance et rentable, un algorithme parallèle basé sur MapReduce a été développé pour LCS. Cette approche adopte les concepts de tables de successeurs, de paires de caractères identiques, d'arbre de successeurs et de traversée de l'arbre de successeurs pour trouver la plus longue sous-séquence commune. Le cadre Hadoop est utilisé pour la réalisation du modèle MapReduce.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Französisch.…