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. 2020] نویسندگان: Yao-Yi Chiang, Weiwei Duan, Stefan Leyk, Johannes H. Uhl, Craig A. Knoblock سری: SpringerBriefs in Geography ISBN (شابک) : 9783319669076, 9783319669083 ناشر: Springer International Publishing سال نشر: 2020 تعداد صفحات: X, 114 [122] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Using Historical Maps in Scientific Studies: Applications, Challenges, and Best Practices 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 استفاده از نقشه های تاریخی در مطالعات علمی: کاربردها، چالش ها و بهترین شیوه 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 اولین ارتباط بین جامعه کاربران نقشه و توسعه دهندگان
فناوری های پردازش نقشه دیجیتال را با ارائه چندین برنامه
کاربردی، چالش ها و بهترین شیوه ها در کار با نقشه های تاریخی
نشان می دهد. پس از فصل مقدمه، در این کتاب، فصل 2 انواع
کاربردهای موجود از نقشه های تاریخی را برای نشان دادن نیازهای
مختلف برای پردازش نقشه های تاریخی در مطالعات علمی ارائه می
کند (به عنوان مثال، هزاران نقشه تاریخی از یک سری نقشه در
مقابل چند نقشه تاریخی از انواع مختلف). ناشران و با سبک های
مختلف نقشه کشی). فصل 2 همچنین مطالعات موردی را توصیف میکند
که انواع معمولی فناوریهای پردازش نقشه دیجیتال نیمه خودکار و
خودکار را معرفی میکند.
مطالعات موردی، نقاط قوت و ضعف رویکردهای نیمه خودکار و خودکار
را با آزمایش آنها در یک کار تشخیص نماد روی همان نقشه اسکن شده
نشان می دهد. فصل 3 چالش ها و روندهای فنی در ساخت یک چارچوب
پردازش نقشه، مدل سازی، پیوند دادن و انتشار را ارائه می کند.
این چارچوب امکان جستجو در مجموعههای نقشه تاریخی را به عنوان
یک منبع مکانی-زمانی یکپارچه و ساختاریافته فراهم میکند که در
آن پدیدههای جغرافیایی فردی (استخراج شده از نقشهها) با
توضیحات معنایی مدلسازی میشوند (توضیح داده میشوند) و به
منابع داده دیگر (مانند DBpedia، نسخه ساختاریافته ویکیپدیا)
مرتبط میشوند. . فصل 4 به پیشرفت های اخیر در فناوری های
یادگیری عمیق و کاربردهای آنها در پردازش نقشه دیجیتال می
پردازد. این فصل مدلهای یادگیری عمیق موجود را برای قابلیتهای
آنها در استخراج ویژگیهای جغرافیایی از نقشههای تاریخی مرور
میکند و انواع مختلف استراتژیهای آموزشی را با هم مقایسه
میکند. یک آزمایش جامع برای مقایسه مدلهای مختلف و عملکرد
آنها توضیح داده شده است.
نقشههای تاریخی جذاب هستند و حاوی اطلاعات ارزشمندی هستند که
در جاهای دیگر یافت نمیشوند. با این حال، پتانسیل کامل نقشه
های تاریخی محقق نشده است، زیرا کاربران نقشه های تاریخی اسکن
شده و توسعه دهندگان فناوری های پردازش نقشه دیجیتال از طیف
گسترده ای از رشته ها هستند و اغلب در سیلوها کار می کنند. هر
فصل این کتاب را میتوان بهصورت جداگانه خواند، اما ترتیب
فصلهای این کتاب به خواننده کمک میکند ابتدا «نیازمندیهای
محصول» یک سیستم پردازش نقشه دیجیتال موفق را درک کند، سپس
چالشها و فناوریهای موجود را مرور کند و در نهایت موارد
بیشتری را دنبال کند. روند اخیر کاربردهای یادگیری عمیق برای
پردازش نقشه های تاریخی
مخاطبان اصلی این کتاب شامل دانشمندان و محققانی است که کارشان
به داده های جغرافیایی تاریخی طولانی مدت و همچنین کتابداران
نیاز دارد. مخاطب ثانویه شامل هر کسی است که عاشق نقشه است!
This book illustrates the first connection between the map
user community and the developers of digital map processing
technologies by providing several applications, challenges,
and best practices in working with historical maps. After the
introduction chapter, in this book, Chapter 2 presents a
variety of existing applications of historical maps to
demonstrate varying needs for processing historical maps in
scientific studies (e.g., thousands of historical maps from a
map series vs. a few historical maps from various publishers
and with different cartographic styles). Chapter 2 also
describes case studies introducing typical types of
semi-automatic and automatic digital map processing
technologies.
The case studies showcase the strengths and weaknesses of
semi-automatic and automatic approaches by testing them in a
symbol recognition task on the same scanned map. Chapter 3
presents the technical challenges and trends in building a
map processing, modeling, linking, and publishing framework.
The framework will enable querying historical map collections
as a unified and structured spatiotemporal source in which
individual geographic phenomena (extracted from maps) are
modeled (described) with semantic descriptions and linked to
other data sources (e.g., DBpedia, a structured version of
Wikipedia). Chapter 4 dives into the recent advancement in
deep learning technologies and their applications on digital
map processing. The chapter reviews existing deep learning
models for their capabilities on geographic feature
extraction from historical maps and compares different types
of training strategies. A comprehensive experiment is
described to compare different models and their
performance.
Historical maps are fascinating to look at and contain
valuable retrospective place information difficult to find
elsewhere. However, the full potential of historical maps has
not been realized because the users of scanned historical
maps and the developers of digital map processing
technologies are from a wide range of disciplines and often
work in silos. Each chapter in this book can be read
individually, but the order of chapters in this book helps
the reader to first understand the “product requirements” of
a successful digital map processing system, then review the
existing challenges and technologies, and finally follow the
more recent trend of deep learning applications for
processing historical maps.
The primary audience for this book includes scientists and
researchers whose work requires long-term historical
geographic data as well as librarians. The secondary audience
includes anyone who loves maps!