Explainable and Interpretable Models in Computer Vision and Machine Learning / Escalante, Hugo Jair ; Escalera, Sergio ; Guyon, Isabelle ; Baró, Xavier ; Güçlütürk, YaÄŸmur ; Güçlü, Umut ; van Gerven, Marcel  

Público ISBD Ningún comentario para este título. Título : Explainable and Interpretable Models in Computer Vision and Machine Learning Tipo de documento: documento electrónico Autores: Escalante, Hugo Jair, ; Escalera, Sergio, ; Guyon, Isabelle, ; Baró, Xavier, ; Güçlütürk, YaÄŸmur, ; Güçlü, Umut, ; van Gerven, Marcel, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVII, 299 p. 73 ilustraciones, 58 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-98131-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro recopila investigaciones líderes sobre el desarrollo de métodos de aprendizaje automático explicables e interpretables en el contexto de la visión por computadora y el aprendizaje automático. Los avances de la investigación en visión por computadora y reconocimiento de patrones han dado lugar a una variedad de técnicas de modelado con un rendimiento casi humano. Aunque estos modelos han obtenido resultados sorprendentes, su explicabilidad e interpretación son limitadas: ¿cuál es el fundamento de la decisión tomada? ¿Qué en la estructura del modelo explica su funcionamiento? Por lo tanto, si bien el buen rendimiento es una característica crítica requerida para las máquinas de aprendizaje, se necesitan capacidades de explicabilidad e interpretabilidad para llevar a las máquinas de aprendizaje al siguiente paso e incluirlas en sistemas de soporte de decisiones que involucran supervisión humana. Este libro, escrito por destacados investigadores internacionales, aborda temas clave de explicabilidad e interpretabilidad, incluidos los siguientes: · Evaluación y generalización en aprendizaje automático interpretable · Métodos de explicación en aprendizaje profundo · Aprendizaje de modelos causales funcionales con redes neuronales generativas · Aprendizaje de reglas interpretables para múltiples -Clasificación de etiquetas · Estructuración de redes neuronales para predicciones más explicables · Generación de fundamentos post hoc para decisiones de clasificación visual profunda · Ensamblaje de explicaciones visuales · Conducción profunda explicable mediante la visualización de atención causal · Perspectiva interdisciplinaria en la búsqueda algorítmica de candidatos a empleo · Análisis multimodal de rasgos de personalidad para modelado explicable de Decisiones en entrevistas de trabajo · Interpretaciones de eventos de vídeo basadas en la teoría de patrones de explicabilidad inherente. Nota de contenido: 1 Considerations for Evaluation and Generalization in Interpretable Machine Learning -- 2 Explanation Methods in Deep Learning: Users, Values, Concerns and Challenges -- 3 Learning Functional Causal Models with Generative Neural Networks -- 4 Learning Interpretable Rules for Multi-label Classification -- 5 Structuring Neural Networks for More Explainable Predictions -- 6 Generating Post-Hoc Rationales of Deep Visual Classification Decisions -- 7 Ensembling Visual Explanations -- 8 Explainable Deep Driving by Visualizing Causal Action -- 9 Psychology Meets Machine Learning: Interdisciplinary Perspectives on Algorithmic Job Candidate Screening -- 10 Multimodal Personality Trait Analysis for Explainable Modeling of Job Interview Decisions -- 11 On the Inherent Explainability of Pattern Theory-based Video Event Interpretations. . Tipo de medio : Computadora Summary : This book compiles leading research on the development of explainable and interpretable machine learning methods in the context of computer vision and machine learning. Research progress in computer vision and pattern recognition has led to a variety of modeling techniques with almost human-like performance. Although these models have obtained astounding results, they are limited in their explainability and interpretability: what is the rationale behind the decision made? what in the model structure explains its functioning? Hence, while good performance is a critical required characteristic for learning machines, explainability and interpretability capabilities are needed to take learning machines to the next step to include them in decision support systems involving human supervision. This book, written by leading international researchers, addresses key topics of explainability and interpretability, including the following: · Evaluation and Generalization in Interpretable Machine Learning · Explanation Methods in Deep Learning · Learning Functional Causal Models with Generative Neural Networks · Learning Interpreatable Rules for Multi-Label Classification · Structuring Neural Networks for More Explainable Predictions · Generating Post Hoc Rationales of Deep Visual Classification Decisions · Ensembling Visual Explanations · Explainable Deep Driving by Visualizing Causal Attention · Interdisciplinary Perspective on Algorithmic Job Candidate Search · Multimodal Personality Trait Analysis for Explainable Modeling of Job Interview Decisions · Inherent Explainability Pattern Theory-based Video Event Interpretations. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Explainable and Interpretable Models in Computer Vision and Machine Learning [documento electrónico] / Escalante, Hugo Jair, ; Escalera, Sergio, ; Guyon, Isabelle, ; Baró, Xavier, ; Güçlütürk, YaÄŸmur, ; Güçlü, Umut, ; van Gerven, Marcel,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XVII, 299 p. 73 ilustraciones, 58 ilustraciones en color. ISBN : 978-3-319-98131-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro recopila investigaciones líderes sobre el desarrollo de métodos de aprendizaje automático explicables e interpretables en el contexto de la visión por computadora y el aprendizaje automático. Los avances de la investigación en visión por computadora y reconocimiento de patrones han dado lugar a una variedad de técnicas de modelado con un rendimiento casi humano. Aunque estos modelos han obtenido resultados sorprendentes, su explicabilidad e interpretación son limitadas: ¿cuál es el fundamento de la decisión tomada? ¿Qué en la estructura del modelo explica su funcionamiento? Por lo tanto, si bien el buen rendimiento es una característica crítica requerida para las máquinas de aprendizaje, se necesitan capacidades de explicabilidad e interpretabilidad para llevar a las máquinas de aprendizaje al siguiente paso e incluirlas en sistemas de soporte de decisiones que involucran supervisión humana. Este libro, escrito por destacados investigadores internacionales, aborda temas clave de explicabilidad e interpretabilidad, incluidos los siguientes: · Evaluación y generalización en aprendizaje automático interpretable · Métodos de explicación en aprendizaje profundo · Aprendizaje de modelos causales funcionales con redes neuronales generativas · Aprendizaje de reglas interpretables para múltiples -Clasificación de etiquetas · Estructuración de redes neuronales para predicciones más explicables · Generación de fundamentos post hoc para decisiones de clasificación visual profunda · Ensamblaje de explicaciones visuales · Conducción profunda explicable mediante la visualización de atención causal · Perspectiva interdisciplinaria en la búsqueda algorítmica de candidatos a empleo · Análisis multimodal de rasgos de personalidad para modelado explicable de Decisiones en entrevistas de trabajo · Interpretaciones de eventos de vídeo basadas en la teoría de patrones de explicabilidad inherente. Nota de contenido: 1 Considerations for Evaluation and Generalization in Interpretable Machine Learning -- 2 Explanation Methods in Deep Learning: Users, Values, Concerns and Challenges -- 3 Learning Functional Causal Models with Generative Neural Networks -- 4 Learning Interpretable Rules for Multi-label Classification -- 5 Structuring Neural Networks for More Explainable Predictions -- 6 Generating Post-Hoc Rationales of Deep Visual Classification Decisions -- 7 Ensembling Visual Explanations -- 8 Explainable Deep Driving by Visualizing Causal Action -- 9 Psychology Meets Machine Learning: Interdisciplinary Perspectives on Algorithmic Job Candidate Screening -- 10 Multimodal Personality Trait Analysis for Explainable Modeling of Job Interview Decisions -- 11 On the Inherent Explainability of Pattern Theory-based Video Event Interpretations. . Tipo de medio : Computadora Summary : This book compiles leading research on the development of explainable and interpretable machine learning methods in the context of computer vision and machine learning. Research progress in computer vision and pattern recognition has led to a variety of modeling techniques with almost human-like performance. Although these models have obtained astounding results, they are limited in their explainability and interpretability: what is the rationale behind the decision made? what in the model structure explains its functioning? Hence, while good performance is a critical required characteristic for learning machines, explainability and interpretability capabilities are needed to take learning machines to the next step to include them in decision support systems involving human supervision. This book, written by leading international researchers, addresses key topics of explainability and interpretability, including the following: · Evaluation and Generalization in Interpretable Machine Learning · Explanation Methods in Deep Learning · Learning Functional Causal Models with Generative Neural Networks · Learning Interpreatable Rules for Multi-Label Classification · Structuring Neural Networks for More Explainable Predictions · Generating Post Hoc Rationales of Deep Visual Classification Decisions · Ensembling Visual Explanations · Explainable Deep Driving by Visualizing Causal Attention · Interdisciplinary Perspective on Algorithmic Job Candidate Search · Multimodal Personality Trait Analysis for Explainable Modeling of Job Interview Decisions · Inherent Explainability Pattern Theory-based Video Event Interpretations. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Gesture Recognition / Escalera, Sergio ; Guyon, Isabelle ; Athitsos, Vassilis  

Público ISBD Ningún comentario para este título. Título : Gesture Recognition Tipo de documento: documento electrónico Autores: Escalera, Sergio, ; Guyon, Isabelle, ; Athitsos, Vassilis, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XII, 578 p. 214 ilustraciones, 170 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-57021-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro presenta una selección de capítulos, escritos por destacados investigadores internacionales, relacionados con el análisis automático de gestos a partir de imágenes fijas y secuencias de imágenes multimodales RGB-Depth. Ofrece una revisión exhaustiva de los enfoques basados ​​en la visión para métodos de reconocimiento de gestos supervisados ​​que han sido validados por varios desafíos. Se revisan varios aspectos del reconocimiento de gestos, incluida la adquisición de datos de diferentes fuentes, la extracción de características, el aprendizaje y el reconocimiento de gestos. Nota de contenido: Preface -- Chapter 1 -- Chapter 2 -- Chapter 3 -- Chapter 4 -- Chapter 5. Tipo de medio : Computadora Summary : This book presents a selection of chapters, written by leading international researchers, related to the automatic analysis of gestures from still images and multi-modal RGB-Depth image sequences. It offers a comprehensive review of vision-based approaches for supervised gesture recognition methods that have been validated by various challenges. Several aspects of gesture recognition are reviewed, including data acquisition from different sources, feature extraction, learning, and recognition of gestures. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Gesture Recognition [documento electrónico] / Escalera, Sergio, ; Guyon, Isabelle, ; Athitsos, Vassilis,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XII, 578 p. 214 ilustraciones, 170 ilustraciones en color. ISBN : 978-3-319-57021-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro presenta una selección de capítulos, escritos por destacados investigadores internacionales, relacionados con el análisis automático de gestos a partir de imágenes fijas y secuencias de imágenes multimodales RGB-Depth. Ofrece una revisión exhaustiva de los enfoques basados ​​en la visión para métodos de reconocimiento de gestos supervisados ​​que han sido validados por varios desafíos. Se revisan varios aspectos del reconocimiento de gestos, incluida la adquisición de datos de diferentes fuentes, la extracción de características, el aprendizaje y el reconocimiento de gestos. Nota de contenido: Preface -- Chapter 1 -- Chapter 2 -- Chapter 3 -- Chapter 4 -- Chapter 5. Tipo de medio : Computadora Summary : This book presents a selection of chapters, written by leading international researchers, related to the automatic analysis of gestures from still images and multi-modal RGB-Depth image sequences. It offers a comprehensive review of vision-based approaches for supervised gesture recognition methods that have been validated by various challenges. Several aspects of gesture recognition are reviewed, including data acquisition from different sources, feature extraction, learning, and recognition of gestures. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Inpainting and Denoising Challenges / Escalera, Sergio ; Ayache, Stephane ; Wan, Jun ; Madadi, Meysam ; Güçlü, Umut ; Baró, Xavier  

Público ISBD Ningún comentario para este título. Título : Inpainting and Denoising Challenges Tipo de documento: documento electrónico Autores: Escalera, Sergio, ; Ayache, Stephane, ; Wan, Jun, ; Madadi, Meysam, ; Güçlü, Umut, ; Baró, Xavier, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: VIII, 144 p. 65 ilustraciones, 56 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-25614-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión por computador  Reconocimiento de patrones automatizado  Inteligencia artificial  Sistemas de reconocimiento de patrones Clasificación: 006.3 Resumen: El problema de lidiar con datos faltantes o incompletos en el aprendizaje automático y la visión por computadora surge en muchas aplicaciones. Las estrategias recientes utilizan modelos generativos para imputar datos faltantes o corruptos. Los avances en visión por computadora que utilizan modelos generativos profundos han encontrado aplicaciones en el procesamiento de imágenes y videos, como eliminación de ruido, restauración, superresolución o pintura interna. Inpainting and Denoising Challenges comprende esfuerzos recientes que se ocupan de tareas de pintura de imágenes y videos. Esto incluye soluciones ganadoras para los desafíos de ChaLearn Looking at People en pintura y eliminación de ruido: recuperación de pose humana, desubtitulado de video y restauración de huellas dactilares. Este volumen comienza con una amplia revisión sobre la eliminación de ruido de imágenes, el rastreo y la comparación de varios métodos, desde los métodos pioneros de procesamiento de señales hasta enfoques de aprendizaje automático con modelos dispersos y de bajo rango, y arquitecturas recientes de aprendizaje profundo con codificadores automáticos y variantes. Los siguientes capítulos presentan los resultados del Desafío, incluidas tres tareas de competencia en WCCI y ECML 2018. Se describen los mejores enfoques presentados por los participantes, mostrando contribuciones interesantes y métodos innovadores. Los dos últimos capítulos proponen contribuciones novedosas y destacan nuevas aplicaciones que se benefician de la imagen/vídeo en la pintura. . Nota de contenido: 1. A Brief Review of Image Denoising Algorithms and Beyond -- 2. ChaLearn Looking at People: Inpainting and Denoising Challenges -- 3. U-Finger: Multi-Scale Dilated Convolutional Network for Fingerprint Image Denoising and Inpainting -- 4. FPD-M-net: Fingerprint Image Denoising and Inpainting Using M-Net Based Convolutional Neural Networks -- 5. Iterative Application of Autoencoders for Video Inpainting and Fingerprint Denoising -- 6. Video DeCaptioning using U-Net with Stacked Dilated Convolutional Layers -- 7. Joint Caption Detection and Inpainting using Generative Network -- 8. Generative Image Inpainting for Person Pose Generation -- 9. Person Inpainting with Generative Adversarial Networks -- 10. Road Layout Understanding by Generative Adversarial Inpainting -- 11. Photo-realistic and Robust Inpainting of Faces using Refinement GANs. Tipo de medio : Computadora Summary : The problem of dealing with missing or incomplete data in machine learning and computer vision arises in many applications. Recent strategies make use of generative models to impute missing or corrupted data. Advances in computer vision using deep generative models have found applications in image/video processing, such as denoising, restoration, super-resolution, or inpainting. Inpainting and Denoising Challenges comprises recent efforts dealing with image and video inpainting tasks. This includes winning solutions to the ChaLearn Looking at People inpainting and denoising challenges: human pose recovery, video de-captioning and fingerprint restoration. This volume starts with a wide review on image denoising, retracing and comparing various methods from the pioneer signal processing methods, to machine learning approaches with sparse and low-rank models, and recent deep learning architectures with autoencoders and variants. The following chapters present results from the Challenge, including three competition tasks at WCCI and ECML 2018. The top best approaches submitted by participants are described, showing interesting contributions and innovating methods. The last two chapters propose novel contributions and highlight new applications that benefit from image/video inpainting. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Inpainting and Denoising Challenges [documento electrónico] / Escalera, Sergio, ; Ayache, Stephane, ; Wan, Jun, ; Madadi, Meysam, ; Güçlü, Umut, ; Baró, Xavier,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - VIII, 144 p. 65 ilustraciones, 56 ilustraciones en color. ISBN : 978-3-030-25614-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión por computador  Reconocimiento de patrones automatizado  Inteligencia artificial  Sistemas de reconocimiento de patrones Clasificación: 006.3 Resumen: El problema de lidiar con datos faltantes o incompletos en el aprendizaje automático y la visión por computadora surge en muchas aplicaciones. Las estrategias recientes utilizan modelos generativos para imputar datos faltantes o corruptos. Los avances en visión por computadora que utilizan modelos generativos profundos han encontrado aplicaciones en el procesamiento de imágenes y videos, como eliminación de ruido, restauración, superresolución o pintura interna. Inpainting and Denoising Challenges comprende esfuerzos recientes que se ocupan de tareas de pintura de imágenes y videos. Esto incluye soluciones ganadoras para los desafíos de ChaLearn Looking at People en pintura y eliminación de ruido: recuperación de pose humana, desubtitulado de video y restauración de huellas dactilares. Este volumen comienza con una amplia revisión sobre la eliminación de ruido de imágenes, el rastreo y la comparación de varios métodos, desde los métodos pioneros de procesamiento de señales hasta enfoques de aprendizaje automático con modelos dispersos y de bajo rango, y arquitecturas recientes de aprendizaje profundo con codificadores automáticos y variantes. Los siguientes capítulos presentan los resultados del Desafío, incluidas tres tareas de competencia en WCCI y ECML 2018. Se describen los mejores enfoques presentados por los participantes, mostrando contribuciones interesantes y métodos innovadores. Los dos últimos capítulos proponen contribuciones novedosas y destacan nuevas aplicaciones que se benefician de la imagen/vídeo en la pintura. . Nota de contenido: 1. A Brief Review of Image Denoising Algorithms and Beyond -- 2. ChaLearn Looking at People: Inpainting and Denoising Challenges -- 3. U-Finger: Multi-Scale Dilated Convolutional Network for Fingerprint Image Denoising and Inpainting -- 4. FPD-M-net: Fingerprint Image Denoising and Inpainting Using M-Net Based Convolutional Neural Networks -- 5. Iterative Application of Autoencoders for Video Inpainting and Fingerprint Denoising -- 6. Video DeCaptioning using U-Net with Stacked Dilated Convolutional Layers -- 7. Joint Caption Detection and Inpainting using Generative Network -- 8. Generative Image Inpainting for Person Pose Generation -- 9. Person Inpainting with Generative Adversarial Networks -- 10. Road Layout Understanding by Generative Adversarial Inpainting -- 11. Photo-realistic and Robust Inpainting of Faces using Refinement GANs. Tipo de medio : Computadora Summary : The problem of dealing with missing or incomplete data in machine learning and computer vision arises in many applications. Recent strategies make use of generative models to impute missing or corrupted data. Advances in computer vision using deep generative models have found applications in image/video processing, such as denoising, restoration, super-resolution, or inpainting. Inpainting and Denoising Challenges comprises recent efforts dealing with image and video inpainting tasks. This includes winning solutions to the ChaLearn Looking at People inpainting and denoising challenges: human pose recovery, video de-captioning and fingerprint restoration. This volume starts with a wide review on image denoising, retracing and comparing various methods from the pioneer signal processing methods, to machine learning approaches with sparse and low-rank models, and recent deep learning architectures with autoencoders and variants. The following chapters present results from the Challenge, including three competition tasks at WCCI and ECML 2018. The top best approaches submitted by participants are described, showing interesting contributions and innovating methods. The last two chapters propose novel contributions and highlight new applications that benefit from image/video inpainting. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

The NeurIPS '18 Competition / Escalera, Sergio ; Herbrich, Ralf  

Público ISBD Ningún comentario para este título. Título : The NeurIPS '18 Competition : From Machine Learning to Intelligent Conversations Tipo de documento: documento electrónico Autores: Escalera, Sergio, ; Herbrich, Ralf, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: VII, 342 p. 130 ilustraciones ISBN/ISSN/DL: 978-3-030-29135-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este volumen presenta los resultados de la competencia de sistemas de procesamiento de información neuronal en la conferencia NeurIPS de 2018. La competencia sigue el mismo formato que la competencia de 2017 para NIPS. De las 21 propuestas presentadas, se seleccionaron ocho propuestas de concurso, que abarcan las áreas de Robótica, Salud, Visión por Computador, Procesamiento del Lenguaje Natural, Sistemas y Física. Las competiciones se han convertido en una parte integral del avance de la inteligencia artificial (IA). Presentan una diferencia importante con respecto a los puntos de referencia: las competiciones prueban un sistema de extremo a extremo en lugar de evaluar solo un componente; evalúan la viabilidad de una solución algorítmica además de evaluar la viabilidad. Tipo de medio : Computadora Summary : This volume presents the results of the Neural Information Processing Systems Competition track at the 2018 NeurIPS conference. The competition follows the same format as the 2017 competition track for NIPS. Out of 21 submitted proposals, eight competition proposals were selected, spanning the area of Robotics, Health, Computer Vision, Natural Language Processing, Systems and Physics. Competitions have become an integral part of advancing state-of-the-art in artificial intelligence (AI). They exhibit one important difference to benchmarks: Competitions test a system end-to-end rather than evaluating only a single component; they assess the practicability of an algorithmic solution in addition to assessing feasibility. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] The NeurIPS '18 Competition : From Machine Learning to Intelligent Conversations [documento electrónico] / Escalera, Sergio, ; Herbrich, Ralf,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - VII, 342 p. 130 ilustraciones. ISBN : 978-3-030-29135-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este volumen presenta los resultados de la competencia de sistemas de procesamiento de información neuronal en la conferencia NeurIPS de 2018. La competencia sigue el mismo formato que la competencia de 2017 para NIPS. De las 21 propuestas presentadas, se seleccionaron ocho propuestas de concurso, que abarcan las áreas de Robótica, Salud, Visión por Computador, Procesamiento del Lenguaje Natural, Sistemas y Física. Las competiciones se han convertido en una parte integral del avance de la inteligencia artificial (IA). Presentan una diferencia importante con respecto a los puntos de referencia: las competiciones prueban un sistema de extremo a extremo en lugar de evaluar solo un componente; evalúan la viabilidad de una solución algorítmica además de evaluar la viabilidad. Tipo de medio : Computadora Summary : This volume presents the results of the Neural Information Processing Systems Competition track at the 2018 NeurIPS conference. The competition follows the same format as the 2017 competition track for NIPS. Out of 21 submitted proposals, eight competition proposals were selected, spanning the area of Robotics, Health, Computer Vision, Natural Language Processing, Systems and Physics. Competitions have become an integral part of advancing state-of-the-art in artificial intelligence (AI). They exhibit one important difference to benchmarks: Competitions test a system end-to-end rather than evaluating only a single component; they assess the practicability of an algorithmic solution in addition to assessing feasibility. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

The NIPS '17 Competition: Building Intelligent Systems / Escalera, Sergio ; Weimer, Markus  

Público ISBD Ningún comentario para este título. Título : The NIPS '17 Competition: Building Intelligent Systems Tipo de documento: documento electrónico Autores: Escalera, Sergio, ; Weimer, Markus, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 287 p. 85 ilustraciones ISBN/ISSN/DL: 978-3-319-94042-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro resume las competiciones organizadas celebradas durante la primera pista de competición NIPS. Proporciona teoría y aplicaciones de temas candentes en el aprendizaje automático, como el aprendizaje adversario, la inteligencia conversacional y el aprendizaje por refuerzo profundo. La rigurosa evaluación de la competencia se basó en la calidad de los datos, el interés y el impacto del problema, promoviendo el diseño de nuevos modelos y un adecuado cronograma y procedimiento de gestión. Este libro contiene los capítulos de los organizadores sobre el diseño de competencias y de los participantes mejor clasificados sobre sus soluciones propuestas para las cinco competencias aceptadas: El Desafío de Inteligencia Conversacional, Clasificación de mutaciones genéticas clínicamente procesables, Aprender a correr, Competencia de respuesta a preguntas entre humanos y computadoras y Adversarial. Ataques y Defensas. Tipo de medio : Computadora Summary : This book summarizes the organized competitions held during the first NIPS competition track. It provides both theory and applications of hot topics in machine learning, such as adversarial learning, conversational intelligence, and deep reinforcement learning. Rigorous competition evaluation was based on the quality of data, problem interest and impact, promoting the design of new models, and a proper schedule and management procedure. This book contains the chapters from organizers on competition design and from top-ranked participants on their proposed solutions for the five accepted competitions: The Conversational Intelligence Challenge, Classifying Clinically Actionable Genetic Mutations, Learning to Run, Human-Computer Question Answering Competition, and Adversarial Attacks and Defenses. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] The NIPS '17 Competition: Building Intelligent Systems [documento electrónico] / Escalera, Sergio, ; Weimer, Markus,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - X, 287 p. 85 ilustraciones. ISBN : 978-3-319-94042-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro resume las competiciones organizadas celebradas durante la primera pista de competición NIPS. Proporciona teoría y aplicaciones de temas candentes en el aprendizaje automático, como el aprendizaje adversario, la inteligencia conversacional y el aprendizaje por refuerzo profundo. La rigurosa evaluación de la competencia se basó en la calidad de los datos, el interés y el impacto del problema, promoviendo el diseño de nuevos modelos y un adecuado cronograma y procedimiento de gestión. Este libro contiene los capítulos de los organizadores sobre el diseño de competencias y de los participantes mejor clasificados sobre sus soluciones propuestas para las cinco competencias aceptadas: El Desafío de Inteligencia Conversacional, Clasificación de mutaciones genéticas clínicamente procesables, Aprender a correr, Competencia de respuesta a preguntas entre humanos y computadoras y Adversarial. Ataques y Defensas. Tipo de medio : Computadora Summary : This book summarizes the organized competitions held during the first NIPS competition track. It provides both theory and applications of hot topics in machine learning, such as adversarial learning, conversational intelligence, and deep reinforcement learning. Rigorous competition evaluation was based on the quality of data, problem interest and impact, promoting the design of new models, and a proper schedule and management procedure. This book contains the chapters from organizers on competition design and from top-ranked participants on their proposed solutions for the five accepted competitions: The Conversational Intelligence Challenge, Classifying Clinically Actionable Genetic Mutations, Learning to Run, Human-Computer Question Answering Competition, and Adversarial Attacks and Defenses. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 5 / 5) Ver por página : 25 50 100 200