Andere Kunden interessierten sich auch für
![Heterogéneo Multisource Gráfico Grandes Dados Aprendizagem de Representação]( "Heterogéneo Multisource Gráfico Grandes Dados Aprendizagem de Representação")
Heterogéneo Multisource Gráfico Grandes Dados Aprendizagem de Representação46,99 €![Multisource Hétérogène Graphique Big Data Représentation Apprentissage]( "Multisource Hétérogène Graphique Big Data Représentation Apprentissage")
Multisource Hétérogène Graphique Big Data Représentation Apprentissage46,99 €![Multi-Quelle Heterogenes Grafik Große Daten Repräsentation Lernen]( "Multi-Quelle Heterogenes Grafik Große Daten Repräsentation Lernen")
Multi-Quelle Heterogenes Grafik Große Daten Repräsentation Lernen71,90 €![Mnogoistochnik Neodnorodnyj Grafik bol'shih dannyh Predstawlenie obucheniq]( "Mnogoistochnik Neodnorodnyj Grafik bol'shih dannyh Predstawlenie obucheniq")
Mnogoistochnik Neodnorodnyj Grafik bol'shih dannyh Predstawlenie obucheniq23,99 €![Multisource Heterogeneous Graph Big Data Representation Learning]( "Multisource Heterogeneous Graph Big Data Representation Learning")
Multisource Heterogeneous Graph Big Data Representation Learning48,99 €![Ruolo dei grandi dati e dell'apprendimento automatico nello sviluppo delle città intelligenti]( "Ruolo dei grandi dati e dell'apprendimento automatico nello sviluppo delle città intelligenti")
Ruolo dei grandi dati e dell'apprendimento automatico nello sviluppo delle città intelligenti26,99 €![Sicurezza delle donne nel trasporto pubblico]( "Sicurezza delle donne nel trasporto pubblico")
Sicurezza delle donne nel trasporto pubblico26,99 €
La grande quantità di dati accumulati e complessi comporta anche sfide per l'interrogazione e l'elaborazione. Con l'aggiornamento dei dati, il numero di nodi e bordi contenuti nel grafo può diventare sempre più grande. Il numero di nodi nei dati di struttura a grafo su larga scala può raggiungere milioni o addirittura centinaia di milioni e presenta le caratteristiche di multisorgente, eterogeneità, isomerizzazione e dinamica.I big data eterogenei a più fonti possono spesso essere modellati in una struttura di dati a grafo con l'apprendimento della rappresentazione. Il grafo di rete complesso ha normalmente alcune particolarità, che aumentano la difficoltà della ricerca. Il modello di apprendimento della rappresentazione dei dati a grafo eterogeneo complesso su larga scala ha un'ampia gamma di applicazioni in molti campi. Questo libro affronta questi modelli di apprendimento di rappresentazione dei dati a grafo eterogeneo multisorgente e le loro applicazioni nel campo della sicurezza pubblica.