دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed.] نویسندگان: Lei Meng, Ah-Hwee Tan, Donald C. Wunsch II سری: Advanced Information and Knowledge Processing ISBN (شابک) : 9783030029845 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: XV, 190 [200] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Adaptive Resonance Theory in Social Media Data Clustering: Roles, Methodologies, and Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تئوری رزونانس تطبیقی در خوشه بندی داده های رسانه های اجتماعی: نقش ها ، روش ها و برنامه ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دادههای رسانههای اجتماعی شامل ارتباطات و اشتراکگذاری آنلاین ما است که زندگی روزمره ما را منعکس میکند. این کتاب به بررسی این موضوع میپردازد که چگونه میتوانیم از این دادههای بزرگ استفاده کنیم و چه چیزهایی را میتوانیم کشف کنیم:
نظریه رزونانس تطبیقی در خوشه بندی داده های رسانه های اجتماعی بر روی پیشرفت اساسی در تئوری شناختی و عصبی، یعنی نظریه رزونانس تطبیقی، که شبیهسازی میکند که چگونه مغز اطلاعات را برای انجام حافظه، یادگیری، تشخیص و پیشبینی پردازش میکند.
این ابتکارات را در نمایش ریاضی مکانیسمهای یادگیری ART ارائه میکند. خوشهبندی، و نحوه گسترش مدل ART پایه برای رسیدگی به پیچیدگی و ویژگیهای دادههای رسانههای اجتماعی و انجام وظایف تحلیلی انجمنی را نشان میدهد.
هم تحقیقات پیشرفته و هم شیوههای دنیای واقعی در یادگیری ماشین
و رسانههای اجتماعی. تجزیه و تحلیل در کتاب گنجانده شده است و
اگر می خواهید پاسخ سوالات زیر را بیاموزید، این کتاب برای
شماست:
Social media data contains our communication and online sharing, mirroring our daily life. This book looks at how we can use and what we can discover from such big data:
Adaptive Resonance Theory in Social Media Data Clustering stands on the fundamental breakthrough in cognitive and neural theory, i.e. adaptive resonance theory, which simulates how a brain processes information to perform memory, learning, recognition, and prediction.
It presents initiatives on the mathematical demonstration of ART’s learning mechanisms in clustering, and illustrates how to extend the base ART model to handle the complexity and characteristics of social media data and perform associative analytical tasks.
Both cutting-edge research and real-world practices on
machine learning and social media analytics are included in
the book and if you wish to learn the answers to the
following questions, this book is for you: