Memmi / Yang / Kong | Knowledge Science, Engineering and Management | E-Book | sack.de
E-Book

E-Book, Englisch, Band 13369, 701 Seiten, eBook

Reihe: Lecture Notes in Computer Science

Memmi / Yang / Kong Knowledge Science, Engineering and Management

15th International Conference, KSEM 2022, Singapore, August 6–8, 2022, Proceedings, Part II
1. Auflage 2022
ISBN: 978-3-031-10986-7
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark

15th International Conference, KSEM 2022, Singapore, August 6–8, 2022, Proceedings, Part II

E-Book, Englisch, Band 13369, 701 Seiten, eBook

Reihe: Lecture Notes in Computer Science

ISBN: 978-3-031-10986-7
Verlag: Springer International Publishing
Format: PDF
Kopierschutz: 1 - PDF Watermark



The three-volume sets constitute the refereed proceedings of the 15th International Conference on Knowledge Science, Engineering and Management, KSEM 2022, held in Singapore, during August 6–8, 2022.  The 169 full papers presented in these proceedings were carefully reviewed and selected from 498 submissions. The papers are organized in the following topical sections: Volume I:Knowledge Science with Learning and AI (KSLA) Volume II:Knowledge Engineering Research and Applications (KERA) Volume III:Knowledge Management with Optimization and Security (KMOS)
Memmi / Yang / Kong Knowledge Science, Engineering and Management jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Knowledge Engineering Research and Applications (KERA). - Multi-View Heterogeneous Network Embedding.- A Multi-level Attention-based LSTM Network for Ultra-short-term Solar Power Forecast using Meteorological Knowledge.- Unsupervised Person Re-ID via Loose-Tight Alternate Clustering.- Sparse Dense Transformer Network for Video Action Recognition.- Deep User Multi-Interest Network for Click-Through Rate Prediction.- Open Relation Extraction via Query-based Span Prediction.- Relational Triple Extraction with Relation-Attentive Contextual Semantic Representations.- Mario Fast Learner: Fast and Efficient solutions for Super Mario Bros.- Few-shot Learning with Self-supervised Classifier for Complex Knowledge Base Question Answering.- Data-driven Approach for Investigation of Irradiation Hardening Behavior of RAFM Steel.- Deep-to-bottom Weights Decay: A Systemic Knowledge Review Learning Technique for Transformer Layers in Knowledge Distillation.- Topic and Reference Guided KeyphraseGeneration from Social Media.- DISEL: A Language for Specifying DIS-based Ontologies.- MSSA-FL:High-Performance Multi-Stage Semi-Asynchronous Federated Learning with Non-IID Data.- A GAT-based Chinese Text Classification Model: Using of Redical Guidance and Association Between Characters Across Sentences.- Incorporating Explanation to Balance the Exploration and Exploitation of Deep Reinforcement Learning.



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.