Graph Learning Techniques
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 48.99
-
23 404 Ft (22 290 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) 20% (cc. 4 681 Ft off)
- Kedvezményes ár 18 724 Ft (17 832 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
23 404 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
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 CRC Press
- Megjelenés dátuma 2025. február 26.
- ISBN 9781032851129
- Kötéstípus Puhakötés
- Terjedelem180 oldal
- Méret 234x156 mm
- Súly 300 g
- Nyelv angol
- Illusztrációk 122 Illustrations, black & white; 49 Halftones, black & white; 73 Line drawings, black & white; 11 Tables, black & white 641
Kategóriák
Rövid leírás:
This comprehensive guide addresses key challenges at the intersection of data science, graph learning, and privacy preservation. A valuable reference for advance undergraduate and postgraduate students in Network Analysis, Privacy and Security in Data Analytics, Graph Theory, and Applications in Healthcare.
TöbbHosszú leírás:
This comprehensive guide addresses key challenges at the intersection of data science, graph learning, and privacy preservation.
It begins with foundational graph theory, covering essential definitions, concepts, and various types of graphs. The book bridges the gap between theory and application, equipping readers with the skills to translate theoretical knowledge into actionable solutions for complex problems. It includes practical insights into brain network analysis and the dynamics of COVID-19 spread. The guide provides a solid understanding of graphs by exploring different graph representations and the latest advancements in graph learning techniques. It focuses on diverse graph signals and offers a detailed review of state-of-the-art methodologies for analyzing these signals. A major emphasis is placed on privacy preservation, with comprehensive discussions on safeguarding sensitive information within graph structures. The book also looks forward, offering insights into emerging trends, potential challenges, and the evolving landscape of privacy-preserving graph learning.
This resource is a valuable reference for advance undergraduate and postgraduate students in courses related to Network Analysis, Privacy and Security in Data Analytics, and Graph Theory and Applications in Healthcare.
Tartalomjegyzék:
Table of Contents
Abstract
List of Figures
List of Tables
Contributors
1. Introduction
2. Privacy Considerations in Graph and Graph Learning
3. Existing Technologies of Graph Learning
4. Graph Extraction and Topology Learning of Band-limited Signals
5. Graph Learning from Band-Limited Data by Graph Fourier Transform Analysis
6. Graph Topology Learning of Brain Signals
7. Graph Topology Learning of COVID-19
8. Preserving the Privacy of Latent Information for Graph-Structured Data
9. Future Directions and Challenges
10. Appendix
Bibliography
Index
Több
