Vor Ort
Merkzettel Warenkorb
Produktbild: Data Science: Foundations and Applications
Band 15876 - 19%

Data Science: Foundations and Applications 29th Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2025, Sydney, NSW, Australia, June 10-13, 2025, Proceedings, Part VII

Aus der Reihe Lecture Notes in Computer Science
19% sparen

79,99 € UVP 98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.06.2025

Herausgeber

Xintao Wu + weitere

Verlag

Springer Singapore

Seitenzahl

441

Maße (L/B/H)

23,5/15,5/2,6 cm

Gewicht

709 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9682-97-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.06.2025

Herausgeber

Verlag

Springer Singapore

Seitenzahl

441

Maße (L/B/H)

23,5/15,5/2,6 cm

Gewicht

709 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9682-97-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

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: Data Science: Foundations and Applications

  • .- Graph Mining.

    .- MuCo-KGC: Multi-Context-Aware Knowledge Graph Completion.

    .- Tensor-Fused Multi-View Graph Contrastive Learning.

    .- FOG: Interpretable Feature-Oriented Graph Neural Networks for Tabular Data  Prediction.

    .- High Resolution Image Classification with Rich Text Information Based on Graph Convolution Neural Network.

    .- Time Interval Aware Graph Neural Networks for Session-Based Recommendation.

    .- SSGNN: Structure-aware Scoring Graph Neural Network for Molecular Representation.

    .- Mint: An Efficient and Robust In-Place Update Approach for Graph-based Vector Index.

    .- Machine Learning Applications.

    .- Advancing Comprehensive Aspect-Based Sentiment Analysis with Generative Models.

    .- A Systematic Evaluation of Generative Models on Tabular Transportation Data.

    .- SDF-Guided Multi-modal Big Data Road Extraction.

    .- Player Movement Predictions Using Team and Opponent Dynamics for Doubles Badminton.

    .- Representation Learning.

    .- Late Fusion Ensembles for Speech Recognition on Diverse Input Audio Representations.

    .- Text Enhancement-based Multimodal Fusion for Video Sentiment Analysis.

    .- Advancing Rubric-based Automated Essay Scoring with Multi-View BERT: A Case Study in New Zealand.

    .- A Script Event Prediction Method Based on Multi-Level Joint Pretraining and Prompt Fine-Tuning.

    .- Scientific/Business Data Analysis.

    .- A Multimodal Fusion Model Leveraging MLP Mixer and Handcrafted Features-based Deep Learning Networks for Facial Palsy Detection.

    .- Using Pseudo-Synonyms to Generate Embeddings for Clinical Terms.

    .- Corporate Carbon Emission Prediction: Combining Structured and Unstructured Data.

    .- GDCK: Efficient Large-Scale Graph Distillation utilizing a Model-free Kernelized Approach.

    .- Efficient DNA fragment assembly based on Discrete Slime Mould Algorithm.

    .- Multi-Scale Control Model for Network Group Behavior.

    .- Can Self Supervision Rejuvenate Similarity-Based Link Prediction?.

    .- Managing Data Uncertainty in Automatic Mapping of Clinical Classification Systems.

    .- Insomnia Detection Based on Brain State Sleep Trajectories.

    .- MCA: Multimodal Contrastive Augmentation for Medical Report Generation.

    .- Special Track on Large Language Models.

    .-Adapting Large Language Models for Parameter-Efficient Log Anomaly Detection.

    .- Bot Wars Evolved: Orchestrating Competing LLMs in a Counterstrike Against Phone Scams.

    .- Large Language Models with Multi-Faceted Relation Alignment for User Novel Interest Discovery.

    .- Estimating Impact of Behavior Change Messages Using Large Language Models.

    .- A Meta-Thinking Approach to Mitigating Linguistic Sycophancy in Vision-Language Models.

    .- VisCon-100K: Leveraging Contextual Web Data for Fine-tuning Vision Language Models.

    .- TRAWL: Tensor Reduced and Approximated Weights for Large Language Models.

    .- DAG-Think-Twice: Causal Structure Guided Elicitation of Causal Reasoning in Large Language Model.

    .- GRL-Prompt: Towards Prompts Optimization via Graph-empowered Reinforcement Learning using LLMs’ Feedback.