fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf
fachmedien.de - spezialisierte Fachinformationen für Studium und Beruf

Site Breadcrumb

Verkauf durch Sack Fachmedien

Yu / Wang / Zhao

Deep Learning for Spatio-temporal Data Mining

Medium: Buch
ISBN: 978-981-9256-04-4
Verlag: Springer
Erscheinungstermin: 16.01.2027
Jetzt vorbestellen
vorbestellbar, Erscheinungstermin ca. Januar 2027
Auf die Merkliste Drucken
Überschrift

Beschreibung

Kostenloser Versand

nach Deutschland, Österreich und in die Schweiz

Bequem zahlen

Rechnung, Kreditkarte, PayPal oder Bankeinzug

Wir sind gerne für Sie da

0800 000-1378 (Inland)
service@fachmedien.de
<<Kontaktformular>>

Fragen

Fragen Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua
Anwtorten

Anwtorten At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet

Systematically explains deep learning for spatio-temporal mining, clarifying task logic and technical pathways Progresses from basic tasks to emerging applications, effectively lowering the threshold for research and learning Combines theoretical methods with real-world cases, guiding researchers from model design to practical application

Produkteigenschaften

  • Artikelnummer: 9789819256044
  • Medium: Buch
  • ISBN: 978-981-9256-04-4
  • Verlag: Springer
  • Erscheinungstermin: 16.01.2027
  • Sprache(n): Englisch
  • Auflage: Erscheinungsjahr 2027
  • Serie: Big Data Management
  • Produktform: Gebunden
  • Seiten: 344
  • Format (B x H): 155 x 235 mm
  • Ausgabetyp: Kein, Unbekannt

Themen

Autoren/Hrsg.

Autoren

.- Chapter 1: Introduction to Spatio-temporal Data Mining with Deep Learning.- Chapter 2: Human Mobility Prediction and Location Recommendation.- Chapter 3: Traffic Volume Inference and Forecasting.- Chapter 4: Spatio-temporal Anomaly and Outlier Detection.- Chapter 5: Learning Representations from Trajectory Data.- Chapter 6: Trajectory Similarity and Retrieval.-Chapter 7: Inferring Social Relationships from Mobility Data.- Chapter 8: Linking Trajectories to Users.- Chapter 9: Cross-platform Mobility Identity Linkage.- Chapter 10: Generative Modeling of Trajectories.- Chapter 11: Future Trends in Spatio-temporal Deep Learning.