Adaptive Resonance Theory in Social Media Data Clustering / Meng, Lei  

Público ISBD Ningún comentario para este título. Título : Adaptive Resonance Theory in Social Media Data Clustering : Roles, Methodologies, and Applications Tipo de documento: documento electrónico Autores: Meng, Lei, ; Tan, Ah-Hwee, ; Wunsch II, Donald C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XV, 190 p. 53 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-02985-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos  Algoritmos  Psicología cognitiva  Sistemas de reconocimiento de patrones  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado Clasificación: Resumen: Los datos de las redes sociales contienen nuestra comunicación y el intercambio en línea, reflejando nuestra vida diaria. Este libro analiza cómo podemos usar y qué podemos descubrir a partir de datos tan grandes: Conocimientos básicos (datos y desafíos) sobre análisis de redes sociales. La agrupación como técnica fundamental para el descubrimiento de conocimientos y la extracción de datos sin supervisión. Una clase de algoritmos de inspiración neuronal, basados ​​en Teoría de la resonancia adaptativa (ART), que aborda los desafíos en la agrupación de datos de las grandes redes sociales Prácticas paso a paso para desarrollar algoritmos de aprendizaje automático no supervisados ​​para aplicaciones del mundo real en el dominio de las redes sociales La teoría de la resonancia adaptativa en la agrupación de datos de las redes sociales se basa en el avance fundamental en Teoría cognitiva y neuronal, es decir, teoría de la resonancia adaptativa, que simula cómo un cerebro procesa información para realizar memoria, aprendizaje, reconocimiento y predicción. Presenta iniciativas sobre la demostración matemática de los mecanismos de aprendizaje de ART en agrupación e ilustra cómo extender el modelo ART base para manejar la complejidad y las características de los datos de las redes sociales y realizar tareas analíticas asociativas. El libro incluye investigaciones de vanguardia y prácticas del mundo real sobre aprendizaje automático y análisis de redes sociales y, si desea conocer las respuestas a las siguientes preguntas, este libro es para usted: ¿Cómo procesar grandes flujos de datos multimedia? ¿Cómo analizar redes sociales con datos heterogéneos? ¿Cómo comprender los intereses de un usuario aprendiendo de las publicaciones y los comportamientos en línea? ¿Cómo crear un motor de búsqueda personalizado indexando y buscando automáticamente recursos de información multimodal? Nota de contenido: Part 1: Theories -- Introduction -- Clustering and Extensions in the Social Media Domain -- Adaptive Resonance Theory (ART) for Social Media Analytics -- Part II: Applications -- Personalized Web Image Organization -- Socially-Enriched Multimedia Data Co-Clustering -- Community Discovery in Heterogeneous Social Networks -- Online Multimodal Co-Indexing and Retrieval of Social Media Data -- Concluding Remarks. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Adaptive Resonance Theory in Social Media Data Clustering : Roles, Methodologies, and Applications [documento electrónico] / Meng, Lei, ; Tan, Ah-Hwee, ; Wunsch II, Donald C.,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XV, 190 p. 53 ilustraciones, 34 ilustraciones en color. ISBN : 978-3-030-02985-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos  Algoritmos  Psicología cognitiva  Sistemas de reconocimiento de patrones  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado Clasificación: Resumen: Los datos de las redes sociales contienen nuestra comunicación y el intercambio en línea, reflejando nuestra vida diaria. Este libro analiza cómo podemos usar y qué podemos descubrir a partir de datos tan grandes: Conocimientos básicos (datos y desafíos) sobre análisis de redes sociales. La agrupación como técnica fundamental para el descubrimiento de conocimientos y la extracción de datos sin supervisión. Una clase de algoritmos de inspiración neuronal, basados ​​en Teoría de la resonancia adaptativa (ART), que aborda los desafíos en la agrupación de datos de las grandes redes sociales Prácticas paso a paso para desarrollar algoritmos de aprendizaje automático no supervisados ​​para aplicaciones del mundo real en el dominio de las redes sociales La teoría de la resonancia adaptativa en la agrupación de datos de las redes sociales se basa en el avance fundamental en Teoría cognitiva y neuronal, es decir, teoría de la resonancia adaptativa, que simula cómo un cerebro procesa información para realizar memoria, aprendizaje, reconocimiento y predicción. Presenta iniciativas sobre la demostración matemática de los mecanismos de aprendizaje de ART en agrupación e ilustra cómo extender el modelo ART base para manejar la complejidad y las características de los datos de las redes sociales y realizar tareas analíticas asociativas. El libro incluye investigaciones de vanguardia y prácticas del mundo real sobre aprendizaje automático y análisis de redes sociales y, si desea conocer las respuestas a las siguientes preguntas, este libro es para usted: ¿Cómo procesar grandes flujos de datos multimedia? ¿Cómo analizar redes sociales con datos heterogéneos? ¿Cómo comprender los intereses de un usuario aprendiendo de las publicaciones y los comportamientos en línea? ¿Cómo crear un motor de búsqueda personalizado indexando y buscando automáticamente recursos de información multimodal? Nota de contenido: Part 1: Theories -- Introduction -- Clustering and Extensions in the Social Media Domain -- Adaptive Resonance Theory (ART) for Social Media Analytics -- Part II: Applications -- Personalized Web Image Organization -- Socially-Enriched Multimedia Data Co-Clustering -- Community Discovery in Heterogeneous Social Networks -- Online Multimodal Co-Indexing and Retrieval of Social Media Data -- Concluding Remarks. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

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