مکان‌یابی منبع انتشار در شبکه‌های بزرگ ۲۰۲۲
Diffusion Source Localization in Large Networks 2022

دانلود کتاب مکان‌یابی منبع انتشار در شبکه‌های بزرگ ۲۰۲۲ (Diffusion Source Localization in Large Networks 2022) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی

نویسنده

Lei Ying, Kai Zhu

voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2022

زبان

English

تعداد صفحه‌ها

79

نوع فایل

pdf

حجم

1.4 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب مکان‌یابی منبع انتشار در شبکه‌های بزرگ ۲۰۲۲

فرآیندهای انتشار در شبکه‌های بزرگ برای مدل‌سازی بسیاری از پدیده‌های دنیای واقعی استفاده شده‌اند، از جمله نحوه گسترش شایعات در اینترنت، همه‌گیری‌ها در بین انسان‌ها، سرایت عاطفی از طریق شبکه‌های اجتماعی و حتی فرآیندهای تنظیم ژن. اصول اساسی تخمین و الگوریتم‌های کارآمد برای تعیین محل منابع انتشار می‌توانند به طیف گسترده‌ای از سؤالات مهم پاسخ دهند، مانند شناسایی منبع یک شایعه گسترده در شبکه‌های اجتماعی آنلاین. این کتاب مروری بر پیشرفت‌های اخیر در زمینه تعیین محل منبع در شبکه‌های بزرگ ارائه می‌دهد و بر اصول نظری و محدودیت‌های اساسی تمرکز دارد. کتاب هم مدل‌های انتشار زمان گسسته و هم مدل‌های انتشار زمان پیوسته را پوشش می‌دهد. در مورد مدل‌های انتشار زمان گسسته، کتاب بر مرکز عفونت جردن تمرکز دارد. برای مدل‌های انتشار زمان پیوسته، بر مرکز شایعه تمرکز دارد. بیشتر نتایج نظری در مورد تعیین محل منبع بر اساس این دو نوع تخمین‌گر یا انواع آن‌ها است. این کتاب همچنین شامل الگوریتم‌هایی است که از اطلاعات زمانی جزئی برای تعیین محل منبع استفاده می‌کنند و بحث مختصری در مورد مشکلات حل نشده جالب در این زمینه ارائه می‌دهد.


فهرست کتاب:

۱. روی جلد

۲. صفحه حق تکثیر

۳. صفحه عنوان

۴. تقدیم

۵. فهرست مطالب

۶. پیشگفتار

۷. تقدیر و تشکر

۱. انگیزه و پیشینه

۲. مکان‌یابی منبع تحت مدل‌های انتشار زمان-گسسته

۳. مکان‌یابی منبع تحت مدل‌های انتشار زمان-پیوسته

۴. مکان‌یابی منبع با مُهرهای زمانی جزئی

۵. پرسش‌های باز

۱۳. کتابنامه

۱۴. زندگینامه نویسندگان

 

توضیحات(انگلیسی)

Diffusion processes in large networks have been used to model many real-world phenomena, including how rumors spread on the Internet, epidemics among human beings, emotional contagion through social networks, and even gene regulatory processes. Fundamental estimation principles and efficient algorithms for locating diffusion sources can answer a wide range of important questions, such as identifying the source of a widely spread rumor on online social networks. This book provides an overview of recent progress on source localization in large networks, focusing on theoretical principles and fundamental limits. The book covers both discrete-time diffusion models and continuous-time diffusion models. For discrete-time diffusion models, the book focuses on the Jordan infection center; for continuous-time diffusion models, it focuses on the rumor center. Most theoretical results on source localization are based on these two types of estimators or their variants. This book also includes algorithms that leverage partial-time information for source localization and a brief discussion of interesting unresolved problems in this area.


Table of Contents

1. Cover

2. Copyright Page

3. Title Page

4. Dedication

5. Contents

6. Preface

7. Acknowledgments

1 Motivation and Background

2 Source Localization under Discrete-Time Diffusion Models

3 Source Localization under Continuous-Time Diffusion Models

4 Source Localization with Partial Timestamps

5 Open Questions

13. Bibliography

14. Authors’ Biographies

دیگران دریافت کرده‌اند

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.