Chen / Gao / Cao | Big Data | Buch | 978-981-99-8978-2 | sack.de

Buch, Englisch, 195 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 330 g

Reihe: Communications in Computer and Information Science

Chen / Gao / Cao

Big Data

11th CCF Conference, BigData 2023, Nanjing, China, September 8-10, 2023, Proceedings
1. Auflage 2023
ISBN: 978-981-99-8978-2
Verlag: Springer Nature Singapore

11th CCF Conference, BigData 2023, Nanjing, China, September 8-10, 2023, Proceedings

Buch, Englisch, 195 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 330 g

Reihe: Communications in Computer and Information Science

ISBN: 978-981-99-8978-2
Verlag: Springer Nature Singapore


This book constitutes the refereed proceedings of the 11th CCF Conference on BigData 2023, which took place in Nanjing, China, in September 2023. The 14 full papers presented in this volume were carefully reviewed and selected from 69 submissions. The topics of accepted papers include theories and methods of data science, algorithms and applications of big data.
Chen / Gao / Cao Big Data jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Long-term and Short-term Perception in Knowledge Tracing.- A Transfer Learning Enhanced Decomposition-Based Hybrid Framework for Forecasting Multiple Time-Series.- Dataset Search over Integrated Metadata from China's Public Data Open Platforms.- Integrating DCNNs with Genetic Algorithm for Diabetic Retinopathy Classification.- The Convolutional Neural Network Combing Feature-aligned and Attention Pyramid for Fine-Grained Visual Classification.- OCWYOLO:A Road Depression Detection Method.- Explicit Exploring Geometric Modality for Shape-enhanced Single-view 3D Face Reconstruction.- Fine edge and texture prior guided super resolution reconstruction network.- UD-GCN: Uncertainty-Based Semi-Supervised Deep GCN for Imbalanced Node Classification.- Twin Support Vector Regression with Privileged Information.- Detecting Social Robots Based on Multi-View Graph Transformer.- Scheduling Containerized Workflow in Multi-Cluster Kubernetes.- A Study of Electricity Theft Detection Method Based on Anomaly Transformer.- Application and Research on a Large Model Training Method Based on Instruction Fine-Tuning in Domain-Specific Tasks.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.