Robust latent feature learning (23 risultati)
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: GreatBookPrices, Columbia, MD, U.S.A.GreatBookPrices
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 50,77
EUR 2,31 spedizioneSpedito in U.S.A.Quantità: Più di 20 disponibili
Condizione: New.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: GreatBookPrices, Columbia, MD, U.S.A.GreatBookPrices
Contatta il venditoreVenditore con 5 stelleCondizione: Usato - Come nuovo
EUR 58,62
EUR 2,31 spedizioneSpedito in U.S.A.Quantità: Più di 20 disponibili
Condizione: As New. Unread book in perfect condition.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Ria Christie Collections, Uxbridge, Regno UnitoRia Christie Collections
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 53,32
EUR 14,02 spedizioneSpedito da Regno Unito a U.S.A.Quantità: Più di 20 disponibili
Condizione: New. In.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Ria Christie Collections, Uxbridge, Regno UnitoRia Christie Collections
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 55,08
EUR 14,02 spedizioneSpedito da Regno Unito a U.S.A.Quantità: Più di 20 disponibili
Condizione: New. In.
Lingua: Inglese
Editore: Springer 2022-12, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Chiron Media, Wallingford, Regno UnitoChiron Media
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 50,83
EUR 18,13 spedizioneSpedito da Regno Unito a U.S.A.Quantità: 10 disponibili
PF. Condizione: New.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: GreatBookPricesUK, Woodford Green, Regno UnitoGreatBookPricesUK
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 51,99
EUR 17,56 spedizioneSpedito da Regno Unito a U.S.A.Quantità: Più di 20 disponibili
Condizione: New.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: GreatBookPricesUK, Woodford Green, Regno UnitoGreatBookPricesUK
Contatta il venditoreVenditore con 5 stelleCondizione: Usato - Come nuovo
EUR 60,12
EUR 17,56 spedizioneSpedito da Regno Unito a U.S.A.Quantità: Più di 20 disponibili
Condizione: As New. Unread book in perfect condition.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Kennys Bookshop and Art Galleries Ltd., Galway, GY, IrlandaKennys Bookshop and Art Galleries Ltd.
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 67,27
EUR 10,50 spedizioneSpedito da Irlanda a U.S.A.Quantità: 15 disponibili
Condizione: New.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Books Puddle, New York, NY, U.S.A.Books Puddle
Contatta il venditoreVenditore con 4 stelleCondizione: Nuovo
EUR 77,00
EUR 3,49 spedizioneSpedito in U.S.A.Quantità: 4 disponibili
Condizione: New. 1st ed. 2023 edition NO-PA16APR2015-KAP.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Revaluation Books, Exeter, Regno UnitoRevaluation Books
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 77,32
EUR 11,71 spedizioneSpedito da Regno Unito a U.S.A.Quantità: 2 disponibili
Paperback. Condizione: Brand New. 125 pages. 9.25x6.10x0.43 inches. In Stock.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Kennys Bookstore, Olney, MD, U.S.A.Kennys Bookstore
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 84,29
EUR 9,18 spedizioneSpedito in U.S.A.Quantità: 15 disponibili
Condizione: New.
Lingua: Inglese
Editore: Springer, Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: AHA-BUCH GmbH, Einbeck, GermaniaAHA-BUCH GmbH
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 58,39
EUR 61,04 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Taschenbuch. Condizione: Neu. Druck auf Anfrage Neuware - Printed after ordering - 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 ric…h 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.
Altre immaginiLingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: preigu, Osnabrück, Germaniapreigu
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 50,40
EUR 70,00 spedizioneSpedito da Germania a U.S.A.Quantità: 5 disponibili
Taschenbuch. Condizione: Neu. Robust Latent Feature Learning for Incomplete Big Data | Di Wu | Taschenbuch | xiii | Englisch | 2022 | Springer | EAN 9789811981395 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]springer[dot]com | Anbieter: preigu.
Lingua: Inglese
Editore: Springer Nature Singapore, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: Buchpark, Trebbin, GermaniaBuchpark
Contatta il venditoreVenditore con 5 stelleCondizione: Usato
EUR 36,10
EUR 105,00 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Condizione: Hervorragend. Zustand: Hervorragend | Sprache: Englisch | Produktart: Bücher | 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 mi…ning 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.
Lingua: Inglese
Editore: Springer Nature Singapore, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
Da: BUCHSERVICE / ANTIQUARIAT Lars Lutzer, Wahlstedt, GermaniaBUCHSERVICE / ANTIQUARIAT Lars Lutzer
Contatta il venditoreVenditore con 5 stelleCondizione: Usato - Molto buono
EUR 189,90
EUR 39,95 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Softcover. Condizione: gut. 2022. Robust Latent Feature Learning for Incomplete Big Data In deutscher Sprache. pages.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: Brook Bookstore On Demand, Napoli, NA, ItaliaBrook Bookstore On Demand
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 46,22
EUR 4,00 spedizioneSpedito da Italia a U.S.A.Quantità: Più di 20 disponibili
Condizione: new. Questo è un articolo print on demand.
Lingua: Inglese
Editore: Springer Nature B.V., 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: PBShop.store US, Wood Dale, IL, U.S.A.PBShop.store US
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 57,22
Spedizione gratuitaSpedito in U.S.A.Quantità: Più di 20 disponibili
PAP. Condizione: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.
Lingua: Inglese
Editore: Springer Nature B.V., 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: PBShop.store UK, Fairford, GLOS, Regno UnitoPBShop.store UK
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 55,65
EUR 3,85 spedizioneSpedito da Regno Unito a U.S.A.Quantità: Più di 20 disponibili
PAP. Condizione: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.
Lingua: Inglese
Editore: Springer Nature Singapore Dez 2022, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 53,49
EUR 23,00 spedizioneSpedito da Germania a U.S.A.Quantità: 2 disponibili
Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - 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 the…m 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. 128 pp. Englisch.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: Majestic Books, Hounslow, Regno UnitoMajestic Books
Contatta il venditoreVenditore con 4 stelleCondizione: Nuovo
EUR 77,85
EUR 7,61 spedizioneSpedito da Regno Unito a U.S.A.Quantità: 4 disponibili
Condizione: New. Print on Demand.
Lingua: Inglese
Editore: Springer, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: Biblios, frankfurt am main, HESSE, GermaniaBiblios
Contatta il venditoreVenditore con 4 stelleCondizione: Nuovo
EUR 78,42
EUR 9,95 spedizioneSpedito da Germania a U.S.A.Quantità: 4 disponibili
Condizione: New. PRINT ON DEMAND.
Lingua: Inglese
Editore: Springer, Berlin|Springer Nature Singapore|Springer, 2023
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: moluna, Greven, Germaniamoluna
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 48,37
EUR 48,99 spedizioneSpedito da Germania a U.S.A.Quantità: Più di 20 disponibili
Condizione: New. 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.
Lingua: Inglese
Editore: Springer, Springer Dez 2022, 2022
Serie: SpringerBriefs in Computer Science, Libro 21 di 60. Libro 21 di 60 - SpringerBriefs in Computer Science
- Brossura
- Print on Demand
Da: buchversandmimpf2000, Emtmannsberg, BAYE, Germaniabuchversandmimpf2000
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 53,49
EUR 60,00 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Taschenbuch. Condizione: Neu. 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 fo…r 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.
