005.1 软件工程的形式化方法:语言、方法、应用领域/Markus Roggenbach、Antonio Cerone、Bernd-Holger Schlingloff、Gerardo Schneider、Siraj Ahmed Shaikh;由 Manfred Broy 作序;John V. Tucker 就形式化方法的起源和发展做出了贡献。[在线资源] — Cham,瑞士:Springer,[2022] — 1 个在线资源(xxviii,C1,524 页):插图(黑白和彩色)。ISBN 9783030387990 精装本 无价格;9783030388003 电子书 无价格 BNB 编号 GBC328513 软件工程。
005.73 使用 Java 的数据结构和抽象 / Frank M. Carrano(罗德岛大学)、Timothy M. Henry(新英格兰理工学院)。[在线资源] — 第四版,全球版 / 全球版由 Mohit P. Tahiliani(卡纳塔克邦国立技术学院)贡献。 — Harlow,埃塞克斯:Pearson Education Limited,[2016]。— 1 个在线资源(930 页):插图。ISBN 1292077190(电子本);9781292077192(电子本)BNB 编号 GBC2L2446 抽象数据类型(计算机科学)
005.8 隐私和身份管理——数据保护和安全之间:第 16 届 IFIP WG 9.2、9.6/11.7、11.6/SIG 9.2.2 国际暑期学校,隐私和身份 2021,虚拟活动,2021 年 8 月 16 日至 20 日,修订精选论文/由 Michael Friedewald、Stephan Krenn、Ina Schiering、Stefan Schiffner 编辑。— Cham:Springer,2023 年。— 207 页:插图(黑白和彩色);24 厘米。ISBN 9783030991029 平装本 69.99 英镑 BNB 编号 GBC355466 数据保护,大会。
006.3 代理、多代理系统和复杂系统模拟的实际应用进展:PAAMS 合集:第 20 届国际会议,PAAMS 2022,意大利拉奎拉,2022 年 7 月 13-15 日,会议录/由 Frank Dignum、Philippe Mathieu、Juan Manuel Corchado、Fernando De La Prieta 编辑。— Cham:Springer,2022 年。— 1 卷;24 厘米。ISBN 9783031181917(平装本):69.99 英镑 BNB 编号 GBC2H2625 人工智能,大会。多代理系统,大会。计算机模拟,大会。出版前记录
004.0151 分布式对象、组件和系统的形式化技术:第 43 届 IFIP WG 6.1 国际会议 FORTE 2023,作为第 18 届国际分布式计算技术联合会议 DisCoTec 2023 的一部分举行,葡萄牙里斯本,2023 年 6 月 19 日至 23 日,会议录 / 由 Marieke Huisman、António Ravara 编辑。— Cham:Springer,2023 年。— 218 页:插图(黑白);24 厘米。 ISBN 9783031353543 平装本 £ 54.99 BNB 编号 GBC3B0788 电子数据处理,分布式处理,
001.422 消除对数据分析的恐惧:经过全面修订、大幅扩展且仍然充满乐趣 / Adamantios Diamantopoulos(维也纳大学市场营销和国际商务系国际营销学教授)、Bodo B. Schlegelmilch(奥地利维也纳大学市场营销系国际营销管理教授)和 Georgios Halkias(丹麦哥本哈根商学院市场营销系市场营销和行为研究副教授)。[在线资源] — 北安普顿:Edward Elgar Publishing,2023 年。— 1 个在线资源(346 页)。ISBN 1803929847;9781803929842(电子版)BNB 编号 GBC361039 统计,数据处理。
001.422 消除对数据分析的恐惧:经过全面修订、大幅扩展且仍然充满乐趣 / Adamantios Diamantopoulos(维也纳大学市场营销和国际商务系国际营销学教授)、Bodo B. Schlegelmilch(奥地利维也纳大学市场营销系国际营销管理教授)和 Georgios Halkias(丹麦哥本哈根商学院市场营销系市场营销和行为研究副教授)。[在线资源] — 北安普顿:Edward Elgar Publishing,2023 年。— 1 个在线资源(346 页)。ISBN 1803929847;9781803929842(电子版)BNB 编号 GBC361039 统计,数据处理。
001.4226 利用数据进行制作:数据驱动世界中的物理设计和工艺 / 由 Samuel Huron 编辑,巴黎综合理工学院,法国;Till Nagel,曼海姆应用技术大学,德国;Lora Oehlberg,卡尔加里大学,加拿大;Wesley Willett,卡尔加里大学,加拿大。[在线资源] — 佛罗里达州博卡拉顿:CRC Press,2023 年。— 1 个在线资源(392 页):彩色插图。ISBN 9781003264903 电子书;1003264905 电子书;9781000787221 电子书;1000787222 电子书;9781000787184 电子书; 1000787184 电子书 BNB 编号 GBC374158 计算机 / 计算机图形学 / 通用
摘要:本文在比特币,以太坊和BNB市场的背景下进行了交易策略,特别是短期动量,平均恢复和配对套利的分析和比较。通过购买和持有策略进行了比较评估。审查下的交易策略包括Ehlers移动平均跨界对,基于标准的基于偏差的平均归还方法和配对交易。检查了各种算法交易框架,并详细介绍了开发和增强过程。为了尽可能准确地复制现实世界的交易条件,将交易费用和滑倒纳入计算中。调查结果强调了胜过购买和保持策略的挑战,但他们也证明了通过势头策略实现这一目标的可行性,即使在交易成本上也是如此。
摘要: - 脑卒中预测中的研究至关重要,因为它可能导致早期检测技术和干预措施的发展,从而增强了中风受害者的预后。早期检测和干预可以帮助最大程度地减少中风造成的损害,降低长期并发症的风险,并提高中风生存的人的一般生活质量。此外,中风预测的研究可以帮助识别风险因素并提高对中风根本原因的理解,从而导致更好的预防策略的发展。对脑冲程预测的研究正在进行中,并导致了各种模型和工具的开发,以预测中风的风险和早期检测。但是,这些工具在临床实践中的实施和使用取决于几个因素,例如资源的可用性,特定的医疗保健系统以及在医疗保健提供者和患者中对这些工具的认识和接受程度。通常,风险预测模型可用于快速识别中风高风险的人,并针对预防干预措施,例如生活方式改变,药物管理和筛查。早期检测工具可用于快速识别中风症状并启动适当的治疗方法,这可以改善中风患者的预后。但是,重要的是要注意,这些模型和工具的研发正在进行中,并且它们在临床实践中的使用不断评估和更新。在临床实践中,这些工具可能需要花费一些时间,并看到它们的现实影响。本研究论文的重点是使用一系列机器学习算法(例如逻辑回归(LR),决策树(DT),随机森林(RF),支持向量机(SVM),K-Nearest邻居(KNN),Gaussian Naive Bayes(GNB),Bernoulli Naive Bayers(BnB)(BnB)和A clastif。这项研究的主要重点是比较数据的有效性,因为数据显着不平衡。我们在这项研究中使用了评估指标来评估模型预测的准确性,精度,召回和其他关键绩效指标。接收器操作特征曲线(AUC),少数族类的准确性和多数级别的准确性用于评估方法。