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: 1
نویسندگان: Ali Emrouznejad (eds.)
سری: Studies in Big Data 18
ISBN (شابک) : 9783319302638, 9783319302652
ناشر: Springer International Publishing
سال نشر: 2016
تعداد صفحات: 492
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب بهینه سازی داده های بزرگ: پیشرفت های اخیر و چالش ها: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)، تحقیق در عملیات/تئوری تصمیم گیری
در صورت تبدیل فایل کتاب Big Data Optimization: Recent Developments and Challenges 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 بهینه سازی داده های بزرگ: پیشرفت های اخیر و چالش 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.
هدف اصلی این کتاب ارائه زمینه لازم برای کار با داده های بزرگ با معرفی برخی الگوریتم ها و کدهای بهینه سازی جدید با قابلیت کار در تنظیمات کلان داده و همچنین معرفی برخی از برنامه های کاربردی در بهینه سازی داده های بزرگ برای هم دانشگاهیان و هم متخصصان علاقه مند، و هم به نفع جامعه، صنعت، دانشگاه و دولت. این کتاب با ارائه برنامه های کاربردی در صنایع مختلف، برای محققینی که قصد تجزیه و تحلیل داده های در مقیاس بزرگ را دارند، مفید خواهد بود. چندین الگوریتم بهینه سازی برای داده های بزرگ از جمله الگوریتم های موازی همگرا، الگوریتم بسته حافظه محدود، روش دسته مورب، الگوریتم های موازی همگرا، تجزیه و تحلیل شبکه و بسیاری موارد دیگر در این کتاب مورد بررسی قرار گرفته اند.
The main objective of this book is to provide the necessary background to work with big data by introducing some novel optimization algorithms and codes capable of working in the big data setting as well as introducing some applications in big data optimization for both academics and practitioners interested, and to benefit society, industry, academia, and government. Presenting applications in a variety of industries, this book will be useful for the researchers aiming to analyses large scale data. Several optimization algorithms for big data including convergent parallel algorithms, limited memory bundle algorithm, diagonal bundle method, convergent parallel algorithms, network analytics, and many more have been explored in this book.
Front Matter....Pages i-xv
Big Data: Who, What and Where? Social, Cognitive and Journals Map of Big Data Publications with Focus on Optimization....Pages 1-16
Setting Up a Big Data Project: Challenges, Opportunities, Technologies and Optimization....Pages 17-47
Optimizing Intelligent Reduction Techniques for Big Data....Pages 49-70
Performance Tools for Big Data Optimization....Pages 71-96
Optimising Big Images....Pages 97-131
Interlinking Big Data to Web of Data....Pages 133-145
Topology, Big Data and Optimization....Pages 147-176
Applications of Big Data Analytics Tools for Data Management....Pages 177-199
Optimizing Access Policies for Big Data Repositories: Latency Variables and the Genome Commons....Pages 201-215
Big Data Optimization via Next Generation Data Center Architecture....Pages 217-229
Big Data Optimization Within Real World Monitoring Constraints....Pages 231-250
Smart Sampling and Optimal Dimensionality Reduction of Big Data Using Compressed Sensing....Pages 251-280
Optimized Management of BIG Data Produced in Brain Disorder Rehabilitation....Pages 281-317
Big Data Optimization in Maritime Logistics....Pages 319-344
Big Network Analytics Based on Nonconvex Optimization....Pages 345-373
Large-Scale and Big Optimization Based on Hadoop....Pages 375-389
Computational Approaches in Large-Scale Unconstrained Optimization....Pages 391-417
Numerical Methods for Large-Scale Nonsmooth Optimization....Pages 419-436
Metaheuristics for Continuous Optimization of High-Dimensional Problems: State of the Art and Perspectives....Pages 437-460
Convergent Parallel Algorithms for Big Data Optimization Problems....Pages 461-474
Back Matter....Pages 475-487