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: Sudeep Tanwar, Sudhanshu Tyagi, Neeraj Kumar سری: Intelligent Systems Reference Library 163 ISBN (شابک) : 9789811387586 ناشر: Springer Singapore سال نشر: 2020 تعداد صفحات: XIV, 477 [477] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Multimedia Big Data Computing for IoT Applications: Concepts, Paradigms and Solutions 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 محاسبات داده بزرگ چندرسانه ای برای کاربردهای اینترنت اشیا: مفاهیم ، پارادایم ها و راه حل 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.
این کتاب تمام جنبههای مدیریت پیچیدگی محاسبات دادههای بزرگ چندرسانهای (MMBD) را برای برنامههای IoT در نظر میگیرد و یک طبقهبندی جامع ایجاد میکند. همچنین مدل فرآیندی را مورد بحث قرار میدهد که به تعدادی از چالشهای تحقیقاتی مرتبط با MMBD، مانند مقیاسپذیری، دسترسی، قابلیت اطمینان، ناهمگونی، و الزامات کیفیت خدمات (QoS) پرداخته و مطالعات موردی را برای نشان دادن کاربرد آن ارائه میکند. علاوه بر این، این کتاب معماری لایهای محاسبات MMBD را بررسی میکند و چرخه عمر دادههای بزرگ و MMBD را مقایسه میکند. نوشته شده توسط کارشناسان برجسته، همچنین شامل نمونه های حل شده متعدد، توضیحات فنی، سناریوها، رویه ها و الگوریتم ها است.
This book considers all aspects of managing the complexity of Multimedia Big Data Computing (MMBD) for IoT applications and develops a comprehensive taxonomy. It also discusses a process model that addresses a number of research challenges associated with MMBD, such as scalability, accessibility, reliability, heterogeneity, and Quality of Service (QoS) requirements, presenting case studies to demonstrate its application. Further, the book examines the layered architecture of MMBD computing and compares the life cycle of both big data and MMBD. Written by leading experts, it also includes numerous solved examples, technical descriptions, scenarios, procedures, and algorithms.