- Hauptmenü-

Katalogdatenanzeige

Big Data Optimization: Recent Developments and Challenges

Kataloginformation Katalogdatensatz500218722 .

Kataloginformation
Feldname	Details
Vorliegende Sprache	eng
ISBN	978-3-319-30263-8
Name	Emrouznejad, Ali ¬[Hrsg.]¬
T I T E L	Big Data Optimization: Recent Developments and Challenges
Verlagsort	Cham
Verlag	Springer
Erscheinungsjahr	2016
Erscheinungsjahr	2016
Umfang	Online-Ressource (XV, 487 p. 182 illus., 160 illus. in color, online resource)
Reihe	Studies in Big Data ; 18
Notiz / Fußnoten	Description based upon print version of record
Titelhinweis	Druckausg.ISBN: 978-3-319-30263-8
ISBN	ISBN 978-3-319-30265-2
Klassifikation	TEC009000
	COM004000
	*90-06
	90C06
	90C26
	90C59
	00B25
	UYQ
	006.3
	Q342
Kurzbeschreibung	Big data: Who, What and Where? Social, Cognitive and Journals Map of Big Data Publications with Focus on Optimization -- Setting up a Big Data Project: Challenges, Opportunities, Technologies and Optimization -- Optimizing Intelligent Reduction Techniques for Big Data -- Performance Tools for Big Data Optimization -- Optimising Big Images -- Interlinking Big Data to Web of Data -- Topology, Big Data and Optimization -- Applications of Big Data Analytics Tools for Data Management -- Optimizing Access Policies for Big Data Repositories: Latency Variables and the Genome Commons -- Big Data Optimization via Next Generation Data Center Architecture -- Big Data Optimization within Real World Monitoring Constraints -- Smart Sampling and Optimal Dimensionality Reduction of Big Data Using Compressed Sensing -- Optimized Management of BIG Data Produced in Brain Disorder Rehabilitation -- Big Data Optimization in Maritime Logistics -- Big Network Analytics Based on Nonconvex Optimization -- Large-scale and Big Optimization Based on Hadoop -- Computational Approaches in Large–Scale Unconstrained Optimization -- Numerical Methods for Large-Scale Nonsmooth Optimization -- Metaheuristics for Continuous Optimization of High-Dimensional Problems: State of the Art and Perspectives -- Convergent Parallel Algorithms for Big Data Optimization Problems.
2. Kurzbeschreibung	The main objective of this book is to provide the necessary background to work with big data by introducing some novel optimization algorithms and codes capable of working in the big data setting as well as introducing some applications in big data optimization for both academics and practitioners interested, and to benefit society, industry, academia, and government. Presenting applications in a variety of industries, this book will be useful for the researchers aiming to analyses large scale data. Several optimization algorithms for big data including convergent parallel algorithms, limited memory bundle algorithm, diagonal bundle method, convergent parallel algorithms, network analytics, and many more have been explored in this book.
SWB-Titel-Idn	470410795
Signatur	Springer E-Book
Bemerkungen	Elektronischer Volltext - Campuslizenz
Elektronische Adresse	$uhttp://dx.doi.org/10.1007/978-3-319-30265-2
Internetseite / Link	Volltext
Siehe auch	Volltext
Siehe auch	Cover
Siehe auch	Inhaltstext

ISBD-Anzeige Katalogdatensatz500218722

Kategorien-Anzeige Katalogdatensatz500218722

Titel zur Titelsammlung hinzufügen Katalogdatensatz500218722

Kataloginformation500218722 Datensatzanfang . Kataloginformation500218722 Seitenanfang .

Titel vormerken Katalogdatensatz500218722

Vollanzeige Katalogdaten

Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.

Im Bereich Kataloginformation werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.

Der Bereich Exemplarinformationen enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.