46,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

A grande quantidade de dados acumulados e complexos também traz desafios à consulta e ao processamento. Com a actualização dos dados, o número de nós e bordas contidas no gráfico pode tornar-se cada vez maior. O número de nós na estrutura gráfica de dados em larga escala pode atingir milhões ou mesmo centenas de milhões, e apresenta as características de multi-fonte, heterogeneidade, isomerização e dinâmica.Grandes dados heterogéneos de múltiplas fontes podem muitas vezes ser modelados numa estrutura de dados gráficos com aprendizagem de representação. O complexo gráfico de rede tem…mehr

Produktbeschreibung
A grande quantidade de dados acumulados e complexos também traz desafios à consulta e ao processamento. Com a actualização dos dados, o número de nós e bordas contidas no gráfico pode tornar-se cada vez maior. O número de nós na estrutura gráfica de dados em larga escala pode atingir milhões ou mesmo centenas de milhões, e apresenta as características de multi-fonte, heterogeneidade, isomerização e dinâmica.Grandes dados heterogéneos de múltiplas fontes podem muitas vezes ser modelados numa estrutura de dados gráficos com aprendizagem de representação. O complexo gráfico de rede tem normalmente uma certa particularidade, o que aumenta a dificuldade da investigação. O modelo de aprendizagem de representação de dados gráficos heterogéneos complexos de grande escala tem uma vasta gama de aplicações em muitos campos. Este livro aborda estes modelos de aprendizagem de representação gráfica heterogénea de dados em grande escala, bem como as suas aplicações no campo da segurança pública.
Autorenporträt
Xun Liang lavora da oltre 20 anni nei settori delle reti sociali, dell'apprendimento automatico e dei sistemi informativi finanziari. È il principale esperto di molti progetti di ricerca e industriali. Ha pubblicato più di 250 articoli e 20 libri e ha richiesto o ottenuto più di 50 brevetti di invenzione.