Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Stereotype Content Model02:16

Stereotype Content Model

13.1K
The Stereotype Content Model (SCM) was first proposed by Susan Fiske and her colleagues (Fiske, Cuddy, Glick & Xu, 2002; see also Fiske, 2012 and Fiske, 2017). The SCM specifies that when someone encounters a new group, they will stereotype them based on two metrics: warmth—or that group’s perceived intent, and how likely they are to provide help or inflict harm—and competence—or their ability to carry out that objective. Depending on the warmth-competence...
13.1K
Modeling in Therapy01:26

Modeling in Therapy

823
Modeling, a key technique in therapy, uses observational learning to help clients acquire and practice new skills by watching therapists demonstrate desired behaviors. This approach, rooted in Albert Bandura's concept of vicarious learning, plays a significant role in therapeutic interventions for various psychological conditions, including social anxiety, ADHD, and depression.
Participant Modeling
Participant modeling involves therapists demonstrating calm and effective behaviors in...
823
Implicit Personality Theories01:23

Implicit Personality Theories

738
Implicit personality theory explains how individuals make assumptions about the relationships between personality traits, behaviors, and character types. When people learn that someone possesses a particular trait, they tend to infer the presence of other related characteristics, forming a cohesive impression. This cognitive shortcut plays a crucial role in social interactions and interpersonal judgments.Central Traits and Their InfluenceSolomon Asch's seminal 1946 study highlighted the power...
738

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Fuzzy guided ensemble inference system for brain tumor classification.

Brain research·2025
Same author

Enhancing occluded and standard bird object recognition using fuzzy-based ensembled computer vision approach with convolutional neural network.

Scientific reports·2025
Same author

Security and Privacy of Cloud- and IoT-Based Medical Image Diagnosis Using Fuzzy Convolutional Neural Network.

Computational intelligence and neuroscience·2021
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: May 1, 2026

Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
14:14

Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models

Published on: August 12, 2018

9.3K

Modelo de filtrado colaborativo neuronal profundo para recomendación personalizada de viajes

K Aarif1, J Deepika2, M Ashwin Kumar1

  • 1School of Computer Science and Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, India.

Scientific reports
|January 13, 2026
PubMed
Resumen

Este estudio presenta un modelo de filtrado colaborativo neuronal (NCF) para mejorar las recomendaciones de viajes personalizadas. El modelo NCF mejora significativamente la precisión y la satisfacción del usuario al superar las limitaciones de los métodos tradicionales.

Palabras clave:
Dispersión de datosAprendizaje profundoFiltrado colaborativo neuronalRecomendaciones en tiempo realSugerencias de viajesPreferencias del usuario

Más Videos Relacionados

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.5K

Videos de Experimentos Relacionados

Last Updated: May 1, 2026

Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
14:14

Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models

Published on: August 12, 2018

9.3K
Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.5K

Área de la Ciencia:

  • Ciencias de la Computación
  • Inteligencia Artificial
  • Sistemas de Recomendación

Sus antecedentes:

  • Las recomendaciones de viajes personalizadas son cruciales para la experiencia del usuario.
  • Los métodos tradicionales de filtrado colaborativo enfrentan desafíos como la dispersión de datos y los problemas de arranque en frío.
  • Estas limitaciones conducen a predicciones de viaje y satisfacción del usuario subóptimas.

Objetivo del estudio:

  • Desarrollar un sistema avanzado de recomendación de viajes personalizados.
  • Abordar las diversas preferencias de los usuarios en la planificación de viajes utilizando un enfoque novedoso.
  • Superar las limitaciones de los modelos tradicionales de filtrado colaborativo.

Principales métodos:

  • Implementación de un modelo de filtrado colaborativo neuronal (NCF).
  • Utilización de una red neuronal para aprender relaciones complejas entre usuarios y viajes.
  • Empleo de un perceptrón multicapa para refinar las predicciones basadas en las interacciones del usuario.

Principales resultados:

  • El modelo NCF supera significativamente a los métodos de recomendación tradicionales.
  • Se demostraron mejoras en la precisión de la predicción y la satisfacción del usuario.
  • Manejo efectivo de la dispersión de datos y las diversas preferencias del usuario.

Conclusiones:

  • El modelo NCF propuesto avanza las recomendaciones de viajes personalizadas.
  • Las redes neuronales ofrecen una solución poderosa para las complejas dinámicas entre usuarios y viajes.
  • El sistema mejora la experiencia del usuario a través de sugerencias de viajes más precisas y diversas.