Signal Processing and Networking for Big Data Applications

個数：

電子版価格
¥18,664

電子版あり

Signal Processing and Networking for Big Data Applications

Han, Zhu/ Hong, Mingyi/ Wang, Dan

ウェブストア価格 ¥36,083（本体¥32,803）
Cambridge University Press（2017/04発売）
外貨定価 US$ 172.00
ポイント 328pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 474 p.
言語 ENG
商品コード 9781107124387
DDC分類 005.7

Full Description

This unique text helps make sense of big data in engineering applications using tools and techniques from signal processing. It presents fundamental signal processing theories and software implementations, reviews current research trends and challenges, and describes the techniques used for analysis, design and optimization. Readers will learn about key theoretical issues such as data modelling and representation, scalable and low-complexity information processing and optimization, tensor and sublinear algorithms, and deep learning and software architecture, and their application to a wide range of engineering scenarios. Applications discussed in detail include wireless networking, smart grid systems, and sensor networks and cloud computing. This is the ideal text for researchers and practising engineers wanting to solve practical problems involving large amounts of data, and for students looking to grasp the fundamentals of big data analytics.

Part I. Overview of Big Data Applications: 1. Introduction; 2. Data parallelism: the supporting architecture; Part II. Methodology and Mathematical Background: 3. First order methods; 4. Sparse optimization; 5. Sublinear algorithms; 6. Tensor for big data; 7. Deep learning and applications; Part III. Big Data Applications: 8. Compressive sensing based big data analysis; 9. Distributed large-scale optimization; 10. Optimization of finite sums; 11. Big data optimization for communication networks; 12. Big data optimization for smart grid systems; 13. Processing large data set in MapReduce; 14. Massive data collection using wireless sensor networks.