ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Adaptive Resonance Theory in Social Media Data Clustering: Roles, Methodologies, and Applications

دانلود کتاب تئوری رزونانس تطبیقی ​​در خوشه بندی داده های رسانه های اجتماعی: نقش ها ، روش ها و برنامه ها

Adaptive Resonance Theory in Social Media Data Clustering: Roles, Methodologies, and Applications

مشخصات کتاب

Adaptive Resonance Theory in Social Media Data Clustering: Roles, Methodologies, and Applications

ویرایش: [1st ed.] 
نویسندگان: , ,   
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 

قیمت کتاب (تومان) : 34,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


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.


توضیحاتی در مورد کتاب تئوری رزونانس تطبیقی ​​در خوشه بندی داده های رسانه های اجتماعی: نقش ها ، روش ها و برنامه ها



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:

  • دانش پایه (داده‌ها و چالش‌ها) در تجزیه و تحلیل رسانه‌های اجتماعی< br>
  • خوشه بندی به عنوان یک تکنیک اساسی برای کشف دانش بدون نظارت و داده کاوی
  • یک کلاس از الهام گرفته از عصبی الگوریتم‌ها، مبتنی بر نظریه تشدید تطبیقی ​​(ART)، مقابله با چالش‌ها در خوشه‌بندی داده‌های رسانه‌های اجتماعی بزرگ
  • روش‌های گام به گام توسعه الگوریتم‌های یادگیری ماشینی بدون نظارت برای واقعی -کاربردهای جهانی در حوزه رسانه های اجتماعی

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:

  • چگونه جریان های بزرگ را پردازش کنیم از داده های چند رسانه ای؟
  • چگونه شبکه های اجتماعی را با داده های ناهمگن تجزیه و تحلیل کنیم؟
  • چگونه با یادگیری از پست ها و رفتارهای آنلاین علایق کاربر را درک کنیم؟
  • چگونه با نمایه سازی و جستجوی خودکار منابع اطلاعاتی چندوجهی یک موتور جستجوی شخصی ایجاد کنیم؟
.




توضیحاتی درمورد کتاب به خارجی

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:

  • Basic knowledge (data & challenges) on social media analytics
  • Clustering as a fundamental technique for unsupervised knowledge discovery and data mining
  • A class of neural inspired algorithms, based on adaptive resonance theory (ART), tackling challenges in big social media data clustering
  • Step-by-step practices of developing unsupervised machine learning algorithms for real-world applications in social media domain

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:

  • How to process big streams of multimedia data?
  • How to analyze social networks with heterogeneous data?
  • How to understand a user’s interests by learning from online posts and behaviors?
  • How to create a personalized search engine by automatically indexing and searching multimodal information resources?
.







نظرات کاربران