Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 12.08.2026 auf fremdsprachige Bücher online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
  • Produktbild: Advanced Data Mining and Applications
  • Produktbild: Advanced Data Mining and Applications
- 12%

Advanced Data Mining and Applications 19th International Conference, ADMA 2023, Shenyang, China, August 21–23, 2023, Proceedings, Part III

Aus der Reihe Lecture Notes in Computer Science
12% sparen

71,99 € UVP 82,49 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.11.2023

Herausgeber

Xiaochun Yang + weitere

Verlag

Springer

Seitenzahl

370

Maße (L/B/H)

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

Gewicht

593 g

Auflage

1st ed. 2023

Sprache

Englisch

ISBN

978-3-031-46670-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.11.2023

Herausgeber

Verlag

Springer

Seitenzahl

370

Maße (L/B/H)

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

Gewicht

593 g

Auflage

1st ed. 2023

Sprache

Englisch

ISBN

978-3-031-46670-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Advanced Data Mining and Applications
  • Produktbild: Advanced Data Mining and Applications
  • Pharmaceutical Data Analysis .- Drug-target interaction prediction based on drug subgraph fingerprint extraction strategy and subgraph attention mechanism.- Soft Prompt Transfer for Zero-Shot and Few-Shot Learning in EHR Understanding.- Graph Convolution Synthetic Transformer for Chronic Kidney Disease Onset Prediction.- MTFL: Multi-task feature learning with joint correlation structure learning for Alzheimer’s disease cognitive performance prediction.- Multi-Level Transformer for Cancer Outcome Prediction in Large-Scale Claims Data.- Individual Functional Network Abnormalities Mapping via Graph Representation-based Neural Architecture Search.- A novel application of a mutual information measure for analysing temporal changes in healthcare network graphs.- Drugs Resistance Analysis from Scarce Health Records via Multi-task Graph Representation.-  Text Classification .- ParaNet:Parallel Networks with Pre-trained Models for Text Classification.- Open Text Classification Based on Dynamic Boundary Balance.- A Prompt Tuning Method for Chinese Medical Text Classification.- TabMentor: Detect Errors on Tabular Data with Noisy Labels.- Label-aware Hierarchical Contrastive Domain Adaptation for Cross-network Node Classification.- Semi-supervised classification based on Graph Convolution Encoder Representations from BERT.- Global Balanced Text Classification for Stable Disease Diagnosis.-  Graph .- Dominance Maximization in Uncertain Graphs.- LAGCL: Towards Stable and Automated Graph Contrastive Learning.- Discriminative Graph-level Anomaly Detection via Dual-students-teacher Model.- Common-Truss-based Community Search on Multilayer Graphs.- Learning To Predict Shortest Path Distance.- Efficient Regular Path Query Evaluation with Structural Path Constraints.EnSpeciVAT: Enhanced SpeciVAT for Cluster Tendency Identification in Graphs.- Pessimistic Adversarially Regularized Learning for Graph Embedding.- M2HGCL: Multi-Scale Meta-Path Integrated Heterogeneous Graph Contrastive Learning.