Bankruptcy Prediction through Soft Computing based Deep Learning Technique / Chaudhuri, Arindam  

Público ISBD Ningún comentario para este título. Título : Bankruptcy Prediction through Soft Computing based Deep Learning Technique Tipo de documento: documento electrónico Autores: Chaudhuri, Arindam, ; Ghosh, Soumya K., Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2017 Número de páginas: XVII, 102 p. 59 ilustraciones ISBN/ISSN/DL: 978-981-10-6683-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Interfaces de usuario (sistemas informáticos)  La interacción persona-ordenador  Inteligencia artificial  Simulación por ordenador  Industria de servicios financieros  Estadísticas  Interfaces de usuario e interacción persona-computadora  Modelado por computadora  Operaciones de TI  Servicios financieros  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros Clasificación: Resumen: Este libro propone arquitecturas jerárquicas profundas (HDA) complejas para predecir la quiebra, un tema de actualidad para las empresas y las instituciones corporativas que en el pasado se ha abordado utilizando modelos de predicción estadísticos, basados ​​en el mercado y con inteligencia artificial. Los HDA se forman a través de redes de replanteo profundo de tensor aproximado difuso (FRTDSN) con modelos bayesianos aproximados estructurados y jerárquicos (HRB). FRTDSN se formaliza mediante TDSN y conjuntos aproximados difusos, y HRB se forma incorporando conjuntos aproximados probabilísticos en un modelo bayesiano jerárquico estructurado. Luego, FRTDSN se integra con HRB para formar el modelo compuesto FRTDSN-HRB. HRB mejora la precisión de la predicción del modelo FRTDSN-HRB. Los conjuntos de datos experimentales se adoptaron de empresas constructoras coreanas y de empresas no financieras estadounidenses y europeas, y la investigación presentada se centra en el impacto de la elección de los puntos de corte, los procedimientos de muestreo y el ciclo económico en la precisión de los modelos de predicción de quiebras. El libro también destaca el hecho de que una clasificación errónea puede dar lugar a predicciones erróneas que generan costos prohibitivos para los inversores y la economía, y muestra que la elección del punto de corte y los procedimientos de muestreo afectan las clasificaciones de varios modelos. También sugiere que los puntos de corte empíricos estimados a partir de muestras de entrenamiento dan como resultado los costos de clasificación errónea más bajos para todos los modelos. El libro confirma que FRTDSN-HRB logra un rendimiento superior en comparación con otros modelos estadísticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadísticos importantes que giran en diferentes ciclos y subciclos económicos para los conjuntos de datos considerados y son de inmenso beneficio para los investigadores que trabajan en esta área. Nota de contenido: Introduction -- Need of this Research -- Literature Review -- Bankruptcy Prediction Methodology -- Need for Risk Classification -- Experimental Framework: Bankruptcy Prediction using Soft Computing based Deep Learning Technique.- Datasets Used -- Experimental Results -- Conclusion . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Bankruptcy Prediction through Soft Computing based Deep Learning Technique [documento electrónico] / Chaudhuri, Arindam, ; Ghosh, Soumya K.,  . -  1 ed.  . - Singapore [Malasya] : Springer, 2017 . - XVII, 102 p. 59 ilustraciones. ISBN : 978-981-10-6683-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Interfaces de usuario (sistemas informáticos)  La interacción persona-ordenador  Inteligencia artificial  Simulación por ordenador  Industria de servicios financieros  Estadísticas  Interfaces de usuario e interacción persona-computadora  Modelado por computadora  Operaciones de TI  Servicios financieros  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros Clasificación: Resumen: Este libro propone arquitecturas jerárquicas profundas (HDA) complejas para predecir la quiebra, un tema de actualidad para las empresas y las instituciones corporativas que en el pasado se ha abordado utilizando modelos de predicción estadísticos, basados ​​en el mercado y con inteligencia artificial. Los HDA se forman a través de redes de replanteo profundo de tensor aproximado difuso (FRTDSN) con modelos bayesianos aproximados estructurados y jerárquicos (HRB). FRTDSN se formaliza mediante TDSN y conjuntos aproximados difusos, y HRB se forma incorporando conjuntos aproximados probabilísticos en un modelo bayesiano jerárquico estructurado. Luego, FRTDSN se integra con HRB para formar el modelo compuesto FRTDSN-HRB. HRB mejora la precisión de la predicción del modelo FRTDSN-HRB. Los conjuntos de datos experimentales se adoptaron de empresas constructoras coreanas y de empresas no financieras estadounidenses y europeas, y la investigación presentada se centra en el impacto de la elección de los puntos de corte, los procedimientos de muestreo y el ciclo económico en la precisión de los modelos de predicción de quiebras. El libro también destaca el hecho de que una clasificación errónea puede dar lugar a predicciones erróneas que generan costos prohibitivos para los inversores y la economía, y muestra que la elección del punto de corte y los procedimientos de muestreo afectan las clasificaciones de varios modelos. También sugiere que los puntos de corte empíricos estimados a partir de muestras de entrenamiento dan como resultado los costos de clasificación errónea más bajos para todos los modelos. El libro confirma que FRTDSN-HRB logra un rendimiento superior en comparación con otros modelos estadísticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadísticos importantes que giran en diferentes ciclos y subciclos económicos para los conjuntos de datos considerados y son de inmenso beneficio para los investigadores que trabajan en esta área. Nota de contenido: Introduction -- Need of this Research -- Literature Review -- Bankruptcy Prediction Methodology -- Need for Risk Classification -- Experimental Framework: Bankruptcy Prediction using Soft Computing based Deep Learning Technique.- Datasets Used -- Experimental Results -- Conclusion . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Mobile Edge Computing / Mukherjee, Anwesha ; De, Debashis ; Ghosh, Soumya K. ; Buyya, Rajkumar  

Público ISBD Ningún comentario para este título. Título : Mobile Edge Computing Tipo de documento: documento electrónico Autores: Mukherjee, Anwesha, ; De, Debashis, ; Ghosh, Soumya K., ; Buyya, Rajkumar, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XI, 605 p. 177 ilustraciones, 151 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-69893-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Red de computadoras  Ingeniería Informática  Gestión de base de datos  Redes de comunicación informática  Ingeniería Informática y Redes  Sistema de administración de base de datos Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Mobile Edge Computing (MEC) proporciona servicios orientados a suscripción similares a la nube en el borde de la red móvil. Para servicios de baja latencia y gran ancho de banda, la IoT (Internet de las cosas) asistida por computación de borde se ha convertido en el pilar para el desarrollo de entornos inteligentes y sus aplicaciones, como hogares inteligentes, salud inteligente, gestión inteligente del tráfico, agricultura inteligente y ciudades inteligentes. Este libro cubre el concepto fundamental del MEC y sus aplicaciones en tiempo real. El contenido del libro está organizado en tres partes: la Parte A cubre la arquitectura y el modelo de trabajo de MEC, la Parte B se centra en los sistemas, plataformas, servicios y problemas de MEC, y la Parte C hace hincapié en diversas aplicaciones de MEC. Este libro está dirigido a estudiantes de posgrado, investigadores, desarrolladores y proveedores de servicios interesados ​​en conocer lo último en tecnologías MEC, aplicaciones innovadoras y direcciones de investigación futuras. Nota de contenido: Introduction to Mobile Edge Computing -- Comparative Performance Analysis of Mobile, Edge, and Cloud Computing Platforms for Distributed Applications -- Geospatial Edge Computing: A Systematic Review and Future Directions -- Power Efficient 5G Mobile Edge Computing -- Sensor Mobile Edge Computing -- IoT integration with MEC -- Green-aware Mobile Edge Computing for IoT: Challenges, Solutions and Future Directions -- GPU-accelerated Edge Computing for Predictive Maintenance -- Software-Defined Multi-domain Tactical Networks: Foundations and Future Directions -- Mobility driven Cloud-Fog-Edge Framework for Location-aware Services: A Comprehensive Review -- Mobility-Based Resource Allocation and Provisioning in Fog and Edge Computing Paradigms: Review, Challenges and Future directions -- Service Continuity in 5G-Enabled Mobile Edge Cloud -- Security in Critical Communication for Mobile Edge Computing based IoE Applications -- Blockchain and MEC: Consensus Protocols and Scalability -- Evaluation of Collaborative Intrusion Detection System (CIDS) Architectures in Mobile Edge Computing (MEC) -- A Conceptual Framework for Smart Health Care Applications using Z-Wave and Home based WSN for MEC -- Mobile Edge Computing based Internet of Agricultural Things -- Deep learning in Computer Vision through Mobile Edge Computing for IoT -- Mobility Support in Multi-layered Mobile Edge Computing for Smart Cities -- Complex Event Processing in Sensor-Based Environments: Edge Computing Frameworks and Techniques -- Application Design and Service Provisioning for Multi-Access Edge Cloud (MEC) -- Simulating Fog Computing Applications using iFogSim Toolkit. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Mobile Edge Computing [documento electrónico] / Mukherjee, Anwesha, ; De, Debashis, ; Ghosh, Soumya K., ; Buyya, Rajkumar,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XI, 605 p. 177 ilustraciones, 151 ilustraciones en color. ISBN : 978-3-030-69893-5 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Red de computadoras  Ingeniería Informática  Gestión de base de datos  Redes de comunicación informática  Ingeniería Informática y Redes  Sistema de administración de base de datos Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Mobile Edge Computing (MEC) proporciona servicios orientados a suscripción similares a la nube en el borde de la red móvil. Para servicios de baja latencia y gran ancho de banda, la IoT (Internet de las cosas) asistida por computación de borde se ha convertido en el pilar para el desarrollo de entornos inteligentes y sus aplicaciones, como hogares inteligentes, salud inteligente, gestión inteligente del tráfico, agricultura inteligente y ciudades inteligentes. Este libro cubre el concepto fundamental del MEC y sus aplicaciones en tiempo real. El contenido del libro está organizado en tres partes: la Parte A cubre la arquitectura y el modelo de trabajo de MEC, la Parte B se centra en los sistemas, plataformas, servicios y problemas de MEC, y la Parte C hace hincapié en diversas aplicaciones de MEC. Este libro está dirigido a estudiantes de posgrado, investigadores, desarrolladores y proveedores de servicios interesados ​​en conocer lo último en tecnologías MEC, aplicaciones innovadoras y direcciones de investigación futuras. Nota de contenido: Introduction to Mobile Edge Computing -- Comparative Performance Analysis of Mobile, Edge, and Cloud Computing Platforms for Distributed Applications -- Geospatial Edge Computing: A Systematic Review and Future Directions -- Power Efficient 5G Mobile Edge Computing -- Sensor Mobile Edge Computing -- IoT integration with MEC -- Green-aware Mobile Edge Computing for IoT: Challenges, Solutions and Future Directions -- GPU-accelerated Edge Computing for Predictive Maintenance -- Software-Defined Multi-domain Tactical Networks: Foundations and Future Directions -- Mobility driven Cloud-Fog-Edge Framework for Location-aware Services: A Comprehensive Review -- Mobility-Based Resource Allocation and Provisioning in Fog and Edge Computing Paradigms: Review, Challenges and Future directions -- Service Continuity in 5G-Enabled Mobile Edge Cloud -- Security in Critical Communication for Mobile Edge Computing based IoE Applications -- Blockchain and MEC: Consensus Protocols and Scalability -- Evaluation of Collaborative Intrusion Detection System (CIDS) Architectures in Mobile Edge Computing (MEC) -- A Conceptual Framework for Smart Health Care Applications using Z-Wave and Home based WSN for MEC -- Mobile Edge Computing based Internet of Agricultural Things -- Deep learning in Computer Vision through Mobile Edge Computing for IoT -- Mobility Support in Multi-layered Mobile Edge Computing for Smart Cities -- Complex Event Processing in Sensor-Based Environments: Edge Computing Frameworks and Techniques -- Application Design and Service Provisioning for Multi-Access Edge Cloud (MEC) -- Simulating Fog Computing Applications using iFogSim Toolkit. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200