Información del autor
Autor Ghosh, Soumya K. |
Documentos disponibles escritos por este autor (2)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : 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 [Malasia] : 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. Idioma : Inglés (eng) Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Inteligencia artificial Simulación por ordenador Industria de servicios financieros EstadÃsticas Interfaces de usuario e interacción persona-computadora Modelado por computadora Operaciones de TI Servicios financieros EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 5.437 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 estadÃsticos, 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 probabilÃsticos 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 economÃa, 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 empÃricos 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 estadÃsticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadÃsticos 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 . Tipo de medio : Computadora Summary : This book proposes complex hierarchical deep architectures (HDA) for predicting bankruptcy, a topical issue for business and corporate institutions that in the past has been tackled using statistical, market-based and machine-intelligence prediction models. The HDA are formed through fuzzy rough tensor deep staking networks (FRTDSN) with structured, hierarchical rough Bayesian (HRB) models. FRTDSN is formalized through TDSN and fuzzy rough sets, and HRB is formed by incorporating probabilistic rough sets in structured hierarchical Bayesian model. Then FRTDSN is integrated with HRB to form the compound FRTDSN-HRB model. HRB enhances the prediction accuracy of FRTDSN-HRB model. The experimental datasets are adopted from Korean construction companies and American and European non-financial companies, and the research presented focuses on the impact of choice of cut-off points, sampling procedures and business cycle on the accuracy of bankruptcy prediction models. The book alsohighlights the fact that misclassification can result in erroneous predictions leading to prohibitive costs to investors and the economy, and shows that choice of cut-off point and sampling procedures affect rankings of various models. It also suggests that empirical cut-off points estimated from training samples result in the lowest misclassification costs for all the models. The book confirms that FRTDSN-HRB achieves superior performance compared to other statistical and soft-computing models. The experimental results are given in terms of several important statistical parameters revolving different business cycles and sub-cycles for the datasets considered and are of immense benefit to researchers working in this area. 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 [Malasia] : 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.
Idioma : Inglés (eng)
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Inteligencia artificial Simulación por ordenador Industria de servicios financieros EstadÃsticas Interfaces de usuario e interacción persona-computadora Modelado por computadora Operaciones de TI Servicios financieros EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 5.437 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 estadÃsticos, 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 probabilÃsticos 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 economÃa, 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 empÃricos 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 estadÃsticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadÃsticos 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 . Tipo de medio : Computadora Summary : This book proposes complex hierarchical deep architectures (HDA) for predicting bankruptcy, a topical issue for business and corporate institutions that in the past has been tackled using statistical, market-based and machine-intelligence prediction models. The HDA are formed through fuzzy rough tensor deep staking networks (FRTDSN) with structured, hierarchical rough Bayesian (HRB) models. FRTDSN is formalized through TDSN and fuzzy rough sets, and HRB is formed by incorporating probabilistic rough sets in structured hierarchical Bayesian model. Then FRTDSN is integrated with HRB to form the compound FRTDSN-HRB model. HRB enhances the prediction accuracy of FRTDSN-HRB model. The experimental datasets are adopted from Korean construction companies and American and European non-financial companies, and the research presented focuses on the impact of choice of cut-off points, sampling procedures and business cycle on the accuracy of bankruptcy prediction models. The book alsohighlights the fact that misclassification can result in erroneous predictions leading to prohibitive costs to investors and the economy, and shows that choice of cut-off point and sampling procedures affect rankings of various models. It also suggests that empirical cut-off points estimated from training samples result in the lowest misclassification costs for all the models. The book confirms that FRTDSN-HRB achieves superior performance compared to other statistical and soft-computing models. The experimental results are given in terms of several important statistical parameters revolving different business cycles and sub-cycles for the datasets considered and are of immense benefit to researchers working in this area. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : 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. Idioma : Inglés (eng) Palabras clave: Red de computadoras IngenierÃa Informática Gestión de base de datos Redes de comunicación informática IngenierÃa 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 tecnologÃas 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. Tipo de medio : Computadora Summary : Mobile Edge Computing (MEC) provides cloud-like subscription-oriented services at the edge of mobile network. For low latency and high bandwidth services, edge computing assisted IoT (Internet of Things) has become the pillar for the development of smart environments and their applications such as smart home, smart health, smart traffic management, smart agriculture, and smart city. This book covers the fundamental concept of the MEC and its real-time applications. The book content is organized into three parts: Part A covers the architecture and working model of MEC, Part B focuses on the systems, platforms, services and issues of MEC, and Part C emphases on various applications of MEC. This book is targeted for graduate students, researchers, developers, and service providers interested in learning about the state-of-the-art in MEC technologies, innovative applications, and future research directions. 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.
Idioma : Inglés (eng)
Palabras clave: Red de computadoras IngenierÃa Informática Gestión de base de datos Redes de comunicación informática IngenierÃa 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 tecnologÃas 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. Tipo de medio : Computadora Summary : Mobile Edge Computing (MEC) provides cloud-like subscription-oriented services at the edge of mobile network. For low latency and high bandwidth services, edge computing assisted IoT (Internet of Things) has become the pillar for the development of smart environments and their applications such as smart home, smart health, smart traffic management, smart agriculture, and smart city. This book covers the fundamental concept of the MEC and its real-time applications. The book content is organized into three parts: Part A covers the architecture and working model of MEC, Part B focuses on the systems, platforms, services and issues of MEC, and Part C emphases on various applications of MEC. This book is targeted for graduate students, researchers, developers, and service providers interested in learning about the state-of-the-art in MEC technologies, innovative applications, and future research directions. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
