KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: Machine Learning Techniques to Predict Terrorist Attacks

Machine Learning Techniques to Predict Terrorist Attacks Exemplified by Jama'at Nasr al-Islam wal Muslimin

Aus der Reihe Terrorism, Security, and Computation

53,49 €

inkl. gesetzl. MwSt.

Beschreibung

One of the most influential actors in spreading Islamist violence across the Sahel is Jama'at Nasr Al Islam Wal Muslimin (JNIM).This book provides the first systematic quantitative analysis of JNIM's behavior by analyzing a 12-year database of JNIM's attacks and the environment surrounding JNIM. This...

Beschreibung

One of the most influential actors in spreading Islamist violence across the Sahel is Jama'at Nasr Al Islam Wal Muslimin (JNIM).This book provides the first systematic quantitative analysis of JNIM's behavior by analyzing a 12-year database of JNIM's attacks and the environment surrounding JNIM. This book leverages AI/ML predictive models to accurately predict almost 40 types of attacks using over 80 independent variables.

This book describes a set of temporal probabilistic rules that state that when the environment in which the group operates satisfies some conditions, then an attack of a certain type will likely occur in the next N months. This provides a deep, easy to comprehend understanding of the conditions under which JNIM carries various kinds of attacks up to 6 months into the future.

This book will serve as an invaluable guide to scholars (computer scientists, political scientists, policy makers). Military officers, intelligence personnel, and government employees, who seek to understand, predict, and eventually mitigate attacks by JNIM and bring peace to the nations of Mali, Burkina Faso, and Niger will want to purchase this book as well.

Produktdetails

Format

PDF
Kopierschutz

Nein
Family Sharing

Nein
Text-to-Speech

Nein

Produktdetails

Format

PDF

Format

eBooks im PDF-Format haben eine festgelegte Seitengröße und eignen sich daher nur bedingt zum Lesen auf einem tolino eReader oder Smartphone. Für den vollen Lesegenuss empfehlen wir Ihnen bei PDF-eBooks die Verwendung eines Tablets oder Computers.

Kopierschutz

Nein

Kopierschutz

Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie, allen sonstigen eReadern und am PC lesen. Das eBook ist nicht kopiergeschützt und kann ein personalisiertes Wasserzeichen enthalten. Weitere Hinweise zum Lesen von eBooks mit einem personalisierten Wasserzeichen finden Sie unter Hilfe/Downloads.

Family Sharing

Nein

Family Sharing

Mit Family Sharing können Sie eBooks innerhalb Ihrer Familie (max. sechs Mitglieder im gleichen Haushalt) teilen. Sie entscheiden selbst, welches Buch Sie mit welchem Familienmitglied teilen möchten. Auch das parallele Lesen durch verschiedene Familienmitglieder ist durch Family Sharing möglich. Um eBooks zu teilen oder geteilt zu bekommen, muss jedes Familienmitglied ein Konto bei Thalia oder einem anderen tolino-Buchhändler haben. Weitere Informationen finden Sie unter Hilfe/Family-Sharing.

Text-to-Speech

Nein

Text-to-Speech

Bedeutet Ihnen Stimme mehr als Text? Mit der Funktion Text-to-Speech können Sie sich im tolino webReader und in der aktuellen Thalia – Lesen & Hören App das eBook vorlesen lassen. Weitere Informationen finden Sie unter Hilfe/Text-to-Speech.

Erscheinungsdatum

01.07.2025
Verlag Springer
Seitenzahl

132 (Printausgabe)
Dateigröße

9439 KB
Sprache

Englisch
EAN

9783031931741
Barrierefreiheit
  • alle zum Verständnis notwendigen Inhalte sind über Screenreader zugänglich
  • navigierbares Inhaltsverzeichnis
  • logische Lesereihenfolge eingehalten
  • kurze Alternativtexte (z.B. für Abbildungen) vorhanden
  • hoher Kontrast zwischen Text und Hintergrund
  • entspricht der Vorgabe Barrierefreiheit PDF / UA 1
  • nicht oder eingeschränkt barrierefrei
  • keine Vorlesefunktionen des Lesesystems deaktiviert
  • Inhalt auch ohne Farbwahrnehmung verständlich dargestellt
  • Navigation über vorher / nachher Elemente

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel finden Sie in
  • Produktbild: Machine Learning Techniques to Predict Terrorist Attacks