دانلود مقاله انگلیسی رایگان:واقعیت کاوی: یک الگوریتم پیش بینی برای پویایی بیماری بر اساس داده های بزرگ سیار - 2017

بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Reality mining: A prediction algorithm for disease dynamics based on mobile big data Reality mining: A prediction algorithm for disease dynamics based on mobile big data
    Reality mining: A prediction algorithm for disease dynamics based on mobile big data

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Reality mining: A prediction algorithm for disease dynamics based on mobile big data


    ترجمه فارسی عنوان مقاله:

    واقعیت کاوی: یک الگوریتم پیش بینی برای پویایی بیماری بر اساس داده های بزرگ سیار


    منبع:

    Sciencedirect - Elsevier - Information Sciences, 379 (2016) 82-93. doi:10.1016/j.ins.2016.07.075


    نویسنده:

    Yuanfang Chen, Noel Crespi a, Antonio M. Ortiz b, Lei Shu caa


    چکیده انگلیسی:

    Predicting disease dynamics during an epidemic is an important aspect of e-Health applications. In such prediction, Realistic Contact Networks (RCNs) have been widely used to characterize disease dynamics. The structure of such networks is dynamically changed during an epidemic. Capturing such kind of dynamic structure is the basis of prediction. With the popularity of mobile devices, it is possible to capture the dynamic change of the network structure. On this basis, in this study, we evaluate the impact of the network structure on disease dynamics, by analyzing massive spatiotemporal data collected by mobile devices. These devices are carried by the volunteers of Ebola outbreak areas. Based on the results of this evaluation, a model is designed to recognize the dynamic structure of RCNs. On the basis of this model, we propose a prediction algorithm for disease dynamics. By extensive experiments, we show that our algorithm improves the accuracy of the disease prediction.
    Keywords: Reality mining | Disease dynamics | Prediction algorithm | Mobile big data


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 542 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات
footer