Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Simulation-Based Data Acquisition
Malmö universitet, Internet of Things and People (IOTAP). Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT).ORCID-id: 0000-0002-8209-0921
Trier University.ORCID-id: 0000-0002-3369-813X
2020 (Engelska)Ingår i: Principles of Data Science / [ed] Hamid R. Arabnia, Kevin Daimi, Robert Stahlbock, Cristina Soviany, Leonard Heilig, Kai Brüssau, Springer, 2020, s. 1-15Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

In data science, the application of most approaches requires the existence of big data from a real-world system. Due to access limitations, nonexistence of the system, or temporal as well as economic restrictions, such data might not be accessible or available. To overcome a lack of real-world data, this chapter introduces simulation-based data acquisition as method for the generation of artificial data that serves as a substitute when applying data science techniques. Instead of gathering data from the real-world system, computer simulation is used to model and execute artificial systems that can provide a more accessible, economic, and robust source of big data. To this end, it is outlined how data science can benefit from simulation and vice versa. Specific approaches are introduced for the design and execution of experiments, and a selection of simulation frameworks is presented that facilitates the conducting of simulation studies for novice and professional users.

Ort, förlag, år, upplaga, sidor
Springer, 2020. s. 1-15
Serie
Transactions on Computational Science and Computational Intelligence, ISSN 2569-7072
Nationell ämneskategori
Systemvetenskap, informationssystem och informatik
Identifikatorer
URN: urn:nbn:se:mau:diva-37071DOI: 10.1007/978-3-030-43981-1_1ISBN: 978-3-030-43981-1 (digital)ISBN: 978-3-030-43980-4 (tryckt)OAI: oai:DiVA.org:mau-37071DiVA, id: diva2:1506189
Tillgänglig från: 2020-12-02 Skapad: 2020-12-02 Senast uppdaterad: 2022-08-30Bibliografiskt granskad

Open Access i DiVA

fulltext(770 kB)111 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 770 kBChecksumma SHA-512
e6f2323f00084db6c5641cbdf2cd9027cf093b431c8ca1f861fb4d77c40a333fa81f33ec1058463924c34a6aba539738c66a93b1ff2f00cf443f39b16fd94380
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Person

Lorig, Fabian

Sök vidare i DiVA

Av författaren/redaktören
Lorig, FabianTimm, Ingo J.
Av organisationen
Internet of Things and People (IOTAP)Institutionen för datavetenskap och medieteknik (DVMT)
Systemvetenskap, informationssystem och informatik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 111 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 200 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf