Cognitive Fairness-Aware Techniques for Human-Machine Interface
Sorozatcím: Chapman & Hall/CRC Internet of Things;
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 140.00
-
66 885 Ft (63 700 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 6 689 Ft off)
- Kedvezményes ár 60 197 Ft (57 330 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
66 885 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2025. december 26.
- ISBN 9781032767093
- Kötéstípus Keménykötés
- Terjedelem376 oldal
- Méret 234x156 mm
- Nyelv angol
- Illusztrációk 81 Illustrations, black & white; 10 Halftones, black & white; 71 Line drawings, black & white; 27 Tables, black & white 700
Kategóriák
Rövid leírás:
This book explores the critical issue of fairness in human-machine interfaces. It delves into the integration of technology and cognitive science to develop AI systems that are unbiased, reliable, and user-friendly.The book also sheds light on emotional data processing in AI accelerators and federated learning modules.
TöbbHosszú leírás:
This book explores the critical issue of fairness in human-machine interfaces. It delves into the integration of technology and cognitive science to develop AI systems that are unbiased, reliable, and user-friendly. The book also sheds light on emotional data processing in AI accelerators and federated learning modules. Additionally, it covers machine learning, knowledge representation, and the application of knowledge graphs to understand and optimize the behaviour of AI assistance devices.
• Explains complex issues of Cognitive Fairness Aware Contextual Proactive Federated Protocol collects data and identifies individual emotional issues and resolves them by contextual solitary proactive communication
• Discusses emotional data processing challenges through AI accelerator with federated learning module to generate periodical counselling messages
• Data analysis anomalies are addressed in Graph Data Base Modelling by anomaly prediction and anomaly detection
• Describes anomaly detection techniques in the form of abnormal data records, messages, events, groups, and/or other unexpected observations in graph database modelling
• Outlier detection for data analysis deals with the detection of patterns in Graph Data Base
This book is for researchers, academics, students, AI Practitioners and Developers, Ethics Experts in AI Technology and machine-learning practitioners interested in fairness in human-machine interfaces.
Több
Tartalomjegyzék:
1. Federated learning by Contextual Model for Advanced AI Assistance 2. Computational Modeling for Personalized Emotion Data and Visual Analytics to Predicting Habits 3. A review on Computational modeling for Personalize demotion and visual analytics to predicting habits 4. An impact of AI-Driven Sentiment Analysis Improves Stock Market Trend Predictions, Risk Management, and Ethics 5. Transformative Strategies for AIED Interaction on the evolution of AI Learning Companions in the Era of Human-Robot Interaction in EFL Settings 6. Comprehensive Overview of Graph Database: Types, Algorithms, Visualization Tools, Applications, and Key Challenges 7. Context-aware Knowledge Base Engineering for Anomaly Detection and Predictive Maintenance in Graph Databases 8. Context Anomaly Identification Algorithm using Dirichlet Graph based mapping in health care analytics 9. Human-Machine Interaction Failure for Indian Companies-An Exploratory Study 10. Practical Solutions for Data Consistency and Query Performance in Graph Database and Search Engine Integration 11. Co-evolution of Human and Machine Intelligence 12. A Novel Graph Machine Learning Pipeline for Anomaly Detection 13. Implementing a Graph Machine Learning Pipeline for Anomaly Detection 14. Proactive Human - Machine Collaboration 15. Proactive Assistance between Human and Machine
Több
