Applied Cloud Deep Semantic Recognition

Den här boken, Applied Cloud Deep Semantic Recognition, ger en omfattande översikt av forskningen kring anomalidetektering med fokus på sammanhang och situationell medvetenhet som syftar till att ge en bättre förståelse för hur kontextinformation påverkar anomalidetektering. I varje kapitel identifierar den avancerade metoder för anomalidetektering och nyckelantaganden som används av modellen för att skilja mellan normalt och anomalt beteende. När en given modell appliceras på en specifik tillämpning kan antagandena användas som riktlinjer för att bedöma modellens effektivitet inom det området. Varje kapitel presenterar även en avancerad djupförståelse i innehållet samt algoritmer för anomalidetektering, och visar sedan hur det föreslagna tillvägagångssättet skiljer sig från de grundläggande teknikerna. Dessutom beskrivs fördelarna och nackdelarna med algoritmerna i varje kapitel. De slutliga kapitlen diskuterar beräkningskomplexiteten hos modellerna samt grafbaserade beräkningsramverk som Google Tensorflow och H2O eftersom detta är ett viktigt ämne inom verkliga applikationsdomäner. Denna bok bidrar till en ökad förståelse kring de olika riktningar där forskning har gjorts angående djup semantisk analys och situationella bedömningar med hjälp av djupinlärning för anomaliavkänning, samt hur metoder utvecklade inom ett område kan tillämpas i andra domäner. Boken strävar efter att erbjuda både cyberanalytiker praktiker och forskare aktuell kunskap inom molnbaserade ramverk för djup semantisk analys samt avancerad anomaliavkänning med hjälp av kognitiva-och artificiell intelligens (AI) modeller.