Deep Learning and Edge Computing Solutions for High Performance Computing / Suresh, A. ; Paiva, Sara  

Público ISBD Ningún comentario para este registro. Título : Deep Learning and Edge Computing Solutions for High Performance Computing Tipo de documento: documento electrónico Autores: Suresh, A., ; Paiva, Sara, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 279 p. 117 ilustraciones ISBN/ISSN/DL: 978-3-030-60265-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Telecomunicación  Procesamiento de la señal  Informática Médica  Ingeniería en Comunicaciones  Redes  Procesamiento de señales  voz e imágenes  Informática de la Salud Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro proporciona información sobre las formas de inculcar la necesidad de aplicar el análisis de datos móviles en bioinformática y medicina. El libro es una referencia completa que proporciona una visión general del estado actual de los tratamientos y sistemas médicos y ofrece soluciones emergentes para un enfoque más personalizado en el campo de la atención sanitaria. Los temas incluyen métodos de aprendizaje profundo para aplicaciones en detección e identificación de objetos, seguimiento de objetos, reconocimiento de acciones humanas y análisis de datos intermodales y multimodales. También se analizan los sistemas informáticos de alto rendimiento para aplicaciones en el sector sanitario. Los contribuyentes también incluyen información sobre análisis de datos de microarrays, análisis de secuencias, análisis basados ​​en genómica, análisis de redes de enfermedades y técnicas para análisis de big data y tecnología de información de salud. Identifica técnicas de aprendizaje profundo en entornos informáticos y de análisis de datos de borde móvil adecuados para aplicaciones en el sector sanitario; Introduce el análisis de big data en las fuentes disponibles y los posibles desafíos y técnicas asociados con la bioinformática y el ámbito de la salud; Presenta avances en el campo de la informática para manejar y hacer inferencias de manera efectiva a partir de datos de atención médica voluminosos y heterogéneos. Nota de contenido: Introduction -- Deep learning methods for applications -- High performance Computing systems for applications in Healthcare -- Hyperspectral data analysis and intelligent systems -- Microarray data analysis -- Sequence analysis -- Genomics based analytics -- Disease network analysis -- Techniques for big data Analytics and health information technology -- Deep Learning and Cross-Media Methods for Big Data Representation -- Mobile edge computing for Large-scale multimodal data acquisition techniques -- Personal Big data driven approaches to collect and analyze large volumes of information from emerging technologies -- Mobile edge computing techniques for healthcare applications -- Swarm intelligence big data computing for healthcare applications -- Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Deep Learning and Edge Computing Solutions for High Performance Computing [documento electrónico] / Suresh, A., ; Paiva, Sara,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XII, 279 p. 117 ilustraciones. ISBN : 978-3-030-60265-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Telecomunicación  Procesamiento de la señal  Informática Médica  Ingeniería en Comunicaciones  Redes  Procesamiento de señales  voz e imágenes  Informática de la Salud Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro proporciona información sobre las formas de inculcar la necesidad de aplicar el análisis de datos móviles en bioinformática y medicina. El libro es una referencia completa que proporciona una visión general del estado actual de los tratamientos y sistemas médicos y ofrece soluciones emergentes para un enfoque más personalizado en el campo de la atención sanitaria. Los temas incluyen métodos de aprendizaje profundo para aplicaciones en detección e identificación de objetos, seguimiento de objetos, reconocimiento de acciones humanas y análisis de datos intermodales y multimodales. También se analizan los sistemas informáticos de alto rendimiento para aplicaciones en el sector sanitario. Los contribuyentes también incluyen información sobre análisis de datos de microarrays, análisis de secuencias, análisis basados ​​en genómica, análisis de redes de enfermedades y técnicas para análisis de big data y tecnología de información de salud. Identifica técnicas de aprendizaje profundo en entornos informáticos y de análisis de datos de borde móvil adecuados para aplicaciones en el sector sanitario; Introduce el análisis de big data en las fuentes disponibles y los posibles desafíos y técnicas asociados con la bioinformática y el ámbito de la salud; Presenta avances en el campo de la informática para manejar y hacer inferencias de manera efectiva a partir de datos de atención médica voluminosos y heterogéneos. Nota de contenido: Introduction -- Deep learning methods for applications -- High performance Computing systems for applications in Healthcare -- Hyperspectral data analysis and intelligent systems -- Microarray data analysis -- Sequence analysis -- Genomics based analytics -- Disease network analysis -- Techniques for big data Analytics and health information technology -- Deep Learning and Cross-Media Methods for Big Data Representation -- Mobile edge computing for Large-scale multimodal data acquisition techniques -- Personal Big data driven approaches to collect and analyze large volumes of information from emerging technologies -- Mobile edge computing techniques for healthcare applications -- Swarm intelligence big data computing for healthcare applications -- Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Por página: 25 50 100 200