Andere Kunden interessierten sich auch für
![Many-Task Computing]( "Many-Task Computing")
Many-Task Computing44,99 €![Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks]( "Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks")
Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks37,99 €![Exploiting Task-Order Information]( "Exploiting Task-Order Information")
Exploiting Task-Order Information51,99 €![Large Scale Hierarchical Classification: State of the Art]( "Large Scale Hierarchical Classification: State of the Art")
Large Scale Hierarchical Classification: State of the Art37,99 €![Hierarchical Feature Selection for Knowledge Discovery]( "Hierarchical Feature Selection for Knowledge Discovery")
Hierarchical Feature Selection for Knowledge Discovery74,99 €![Task Scheduling in Distributed Computing Environments]( "Task Scheduling in Distributed Computing Environments")
Task Scheduling in Distributed Computing Environments44,99 €![Evolutionary Multi-Task Optimization]( "Evolutionary Multi-Task Optimization")
Evolutionary Multi-Task Optimization125,99 €
Hat sich in frühen Entwicklungsphasen die Simulation technischer Komponenten bereits etabliert, führt die Simulation des Faktors Mensch noch immer ein Schattendasein. Eine Ursache hierfür liegt im immensen Aufwand, ein adäquates kognitives Modell bereitzustellen. Zur Verringerung des Modellierungsaufwandes beschreibt der Autor den neuen Ansatz des Hierarchical Task Analysis Mapper (HTAmap). Der sehr komplexe kognitive Modellbildungsprozess wird mittels HTAmap in einen vereinfachten Auswahl- und Spezifikationsprozess überführt. Nach einer Analyse zum Stand der Forschung wird im Buch das Fundament des Ansatzes über die Beschreibung zum HTAmap-Basisprozess, zur HTAmap-Modellbeschreibungssprache sowie zum HTAmap-Modellierungswerkzeug skizziert. Der Nachweis der Praktikabilität wird anhand von zwei Validierungsstudien zur Bedienermodellierung im Kontext komplexer dynamischer Mensch-Maschine-Systeme erbracht. Der Autor zeigt, dass HTAmap einen wichtigen Beitrag zur Erhöhung der Effizienz der kognitiven Modellierung liefert, indem die Eintrittsschwelle zur kognitiven Modellierung verringert und der Austausch von Modellen vereinfacht wird.