Atjaunināt sīkdatņu piekrišanu

E-grāmata: Big Data: 10th CCF Conference, BigData 2022, Chengdu, China, November 18-20, 2022, Proceedings

Edited by , Edited by , Edited by , Edited by , Edited by , Edited by , Edited by , Edited by
Citas grāmatas par šo tēmu:
  • Formāts - EPUB+DRM
  • Cena: 65,42 €*
  • * ši ir gala cena, t.i., netiek piemērotas nekādas papildus atlaides
  • Ielikt grozā
  • Pievienot vēlmju sarakstam
  • Šī e-grāmata paredzēta tikai personīgai lietošanai. E-grāmatas nav iespējams atgriezt un nauda par iegādātajām e-grāmatām netiek atmaksāta.
Big Data: 10th CCF Conference, BigData 2022, Chengdu, China, November 18-20, 2022, ProceedingsPalielināt
Citas grāmatas par šo tēmu:

DRM restrictions

  • Kopēšana (kopēt/ievietot):

    nav atļauts

  • Drukāšana:

    nav atļauts

  • Lietošana:

    Digitālo tiesību pārvaldība (Digital Rights Management (DRM))
    Izdevējs ir piegādājis šo grāmatu šifrētā veidā, kas nozīmē, ka jums ir jāinstalē bezmaksas programmatūra, lai to atbloķētu un lasītu. Lai lasītu šo e-grāmatu, jums ir jāizveido Adobe ID. Vairāk informācijas šeit. E-grāmatu var lasīt un lejupielādēt līdz 6 ierīcēm (vienam lietotājam ar vienu un to pašu Adobe ID).

    Nepieciešamā programmatūra
    Lai lasītu šo e-grāmatu mobilajā ierīcē (tālrunī vai planšetdatorā), jums būs jāinstalē šī bezmaksas lietotne: PocketBook Reader (iOS / Android)

    Lai lejupielādētu un lasītu šo e-grāmatu datorā vai Mac datorā, jums ir nepieciešamid Adobe Digital Editions (šī ir bezmaksas lietotne, kas īpaši izstrādāta e-grāmatām. Tā nav tas pats, kas Adobe Reader, kas, iespējams, jau ir jūsu datorā.)

    Jūs nevarat lasīt šo e-grāmatu, izmantojot Amazon Kindle.

This book constitutes the refereed proceedings of the 10th CCF Conference on BigData 2022, which took place in Chengdu, China, in November 2022. 

The 8 full papers presented in this volume were carefully reviewed and selected from 28 submissions. The topics of accepted papers include theories and methods of data science, algorithms and applications of big data.
Searching Similar Trajectories Based on Shape.- Unsupervised Discovery of Disentangled Interpretable Directions for Layer-wise GAN.- ASNN: Accelerated Searching for Natural Neighbors.- ASNN: Accelerated Searching for Natural Neighbors.- ASNN: Accelerated Searching for Natural Neighbors.- A Data-to-Text Generation Model with Deduplicated Content Planning Searching Similar Trajectories Based on Shape.- Clustering-Enhanced Knowledge Graph Embedding.- FCI:Feature Cross and User Interest Network.
Biežāk uzdotie jautājumi par e-grāmatām Biežāk uzdotie jautājumi par e-grāmatām
Permanent link: https://www.kriso.lv/db/97898119833136e.html
Keywords: