Merkzettel Warenkorb
  • Produktbild: Model and Data Engineering
  • Produktbild: Model and Data Engineering
Band 14396

Model and Data Engineering 12th International Conference, MEDI 2023, Sousse, Tunisia, November 2–4, 2023, Proceedings

Aus der Reihe Lecture Notes in Computer Science

73,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.01.2024

Herausgeber

Mohamed Mosbah + weitere

Verlag

Springer

Seitenzahl

396

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

622 g

Auflage

1st edition 2024

Sprache

Englisch

ISBN

978-3-031-49332-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.01.2024

Herausgeber

Verlag

Springer

Seitenzahl

396

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

622 g

Auflage

1st edition 2024

Sprache

Englisch

ISBN

978-3-031-49332-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Model and Data Engineering
  • Produktbild: Model and Data Engineering
  • Modelling.-  A Comparative Analysis of Time Series Prediction Techniques –A Systematic Literature Review (SLR).-  A Formal Metamodel with Composite Components.- A floating-point numbers theory for Event-B.- Model based testing approach for EIP-1559 Ethereum Smart contracts.- Execution planning in aggregated search in the web of data without using metadata.- Discovering Relationships between Heterogeneous declarative Mappings for RDF Knowledge Graph.-  Machine Learning and Optimization.-  Exploring Synthetic Noise Algorithms for Real-world Similar Data Generation: A Case Study on Digitally Twining Hybrid Turbo-shaft Engines in UAV/UAS Applications.- Understanding Mobile Game Reviews Through Sentiment Analysis: A Case Study of PUBGm.- Data-Driven and Model-Driven Approaches in Predictive Modeling for Operational Efficiency: Use case mining industry.- Approach based on Bayesian network and ontology for identifying factorsimpacting the states of people with psychological problems from data on social media.-  Social recommendation using deep auto-encoder and confidence aware sentiment Analysis.- Deep Learning Based on TensorFlow and Keras for Predictive Monitoring of Business Process Execution Delays.-  Ontology and Database Systems.-  OntoFD: A Generic Social Media Fake News Ontology.-  Finding a Second Wind: Speeding Up Graph Traversal Queries in RDBMSs Using Column-Oriented Processing.- Ontology matching using multi-head attention graph isomorphism network.-  Investigating the Perceived Usability of Entity-Relationship Quality Frameworks for NoSQL Databases.- Fuzzy HealthIoT ontology for comorbidity treatment.-  Healthcare Applications.-  Advancing Brain Tumor Segmentation via Attention-based 3D U-Net Architecture and Digital Image Processing.- Breast Cancer Detection based DenseNet with Attention model in Mammogram Images.- AI-based Long-term Monitoring System for patients in pandemics: COVID-19 case study.- Cardiovascular Anomaly Detection using Deep Learning Techniques.-  Applications and Security.-  Real-Time Mitigation of Trust-Related Attacks in Social IoT.- Hybrid Data-driven and Knowledge-based Predictive Maintenance Framework in the Context of Industry 4.0.- Enhancing Semantic Image Synthesis: A GAN-Based Approach with Multi-Feature Adaptive Denormalization Layer.- Towards an Effective Attribute-based Access Control Model for Neo4j.- GRU-Based Forecasting Model for Energy Production and Consumption: Leveraging Random Forest Feature Importance.-  Localizing Non-Functional Code Bugs in User Interfaces using Deep Learning Techniques.