Autor Prati, Ronaldo C.
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsqueda9th Brazilian Conference, BRACIS 2020, Rio Grande, Brazil, October 20–23, 2020, Proceedings, Part I / Cerri, Ricardo ; Prati, Ronaldo C.
Título : 9th Brazilian Conference, BRACIS 2020, Rio Grande, Brazil, October 20–23, 2020, Proceedings, Part I Tipo de documento: documento electrónico Autores: Cerri, Ricardo, ; Prati, Ronaldo C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXIII, 666 p. 36 ilustraciones ISBN/ISSN/DL: 978-3-030-61377-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Minería de datos y descubrimiento de conocimientos Procesamiento de imágenes Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento Inteligencia artificial Visión por computador Procesamiento de datos Educación Ciencias sociales Índice Dewey: 006.3 Inteligencia artificial Resumen: El conjunto de dos volúmenes LNAI 12319 y 12320 constituye las actas de la 9.ª Conferencia Brasileña sobre Sistemas Inteligentes, BRACIS 2020, celebrada en Río Grande, Brasil, en octubre de 2020. El total de 90 artículos presentados en estos dos volúmenes fue cuidadosamente revisado y seleccionado. de 228 presentaciones. Las contribuciones están organizadas en la siguiente sección temática: Parte I: Computación evolutiva, metaheurísticas, restricciones y búsqueda, optimización combinatoria y numérica; redes neuronales, aprendizaje profundo y visión por computadora; y minería de textos y procesamiento de lenguaje natural. Parte II: Sistemas de agentes y multiagentes, planificación y aprendizaje por refuerzo; representación del conocimiento, lógica y sistemas difusos; aprendizaje automático y minería de datos; e inteligencia y aplicaciones multidisciplinarias artificiales y computacionales. Debido a la pandemia de Corona, BRACIS 2020 se llevó a cabo como un evento virtual. Nota de contenido: Evolutionary Computation, Metaheuristics, Constrains and Search, Combinatorial and Numerical Optimization -- Neural Networks, Deep Learning and Computer Vision -- Text Mining and Natural Language Processing. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i 9th Brazilian Conference, BRACIS 2020, Rio Grande, Brazil, October 20–23, 2020, Proceedings, Part I [documento electrónico] / Cerri, Ricardo, ; Prati, Ronaldo C., . - 1 ed. . - [s.l.] : Springer, 2020 . - XXIII, 666 p. 36 ilustraciones.
ISBN : 978-3-030-61377-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Minería de datos y descubrimiento de conocimientos Procesamiento de imágenes Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento Inteligencia artificial Visión por computador Procesamiento de datos Educación Ciencias sociales Índice Dewey: 006.3 Inteligencia artificial Resumen: El conjunto de dos volúmenes LNAI 12319 y 12320 constituye las actas de la 9.ª Conferencia Brasileña sobre Sistemas Inteligentes, BRACIS 2020, celebrada en Río Grande, Brasil, en octubre de 2020. El total de 90 artículos presentados en estos dos volúmenes fue cuidadosamente revisado y seleccionado. de 228 presentaciones. Las contribuciones están organizadas en la siguiente sección temática: Parte I: Computación evolutiva, metaheurísticas, restricciones y búsqueda, optimización combinatoria y numérica; redes neuronales, aprendizaje profundo y visión por computadora; y minería de textos y procesamiento de lenguaje natural. Parte II: Sistemas de agentes y multiagentes, planificación y aprendizaje por refuerzo; representación del conocimiento, lógica y sistemas difusos; aprendizaje automático y minería de datos; e inteligencia y aplicaciones multidisciplinarias artificiales y computacionales. Debido a la pandemia de Corona, BRACIS 2020 se llevó a cabo como un evento virtual. Nota de contenido: Evolutionary Computation, Metaheuristics, Constrains and Search, Combinatorial and Numerical Optimization -- Neural Networks, Deep Learning and Computer Vision -- Text Mining and Natural Language Processing. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : 9th Brazilian Conference, BRACIS 2020, Rio Grande, Brazil, October 20–23, 2020, Proceedings, Part II Tipo de documento: documento electrónico Autores: Cerri, Ricardo, ; Prati, Ronaldo C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXIII, 682 p. 279 ilustraciones, 151 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-61380-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Informática Redes de comunicación informática Matemáticas de la Computación Teoría de la Computación Entornos informáticos Aplicación informática en ciencias sociales y del comportamiento Inteligencia artificial Matemáticas Ordenador Procesamiento de datos Ciencias sociales Red informática Índice Dewey: 006.3 Inteligencia artificial Resumen: El conjunto de dos volúmenes LNAI 12319 y 12320 constituye las actas de la 9.ª Conferencia Brasileña sobre Sistemas Inteligentes, BRACIS 2020, celebrada en Río Grande, Brasil, en octubre de 2020. El total de 90 artículos presentados en estos dos volúmenes fue cuidadosamente revisado y seleccionado. de 228 presentaciones. Las contribuciones están organizadas en la siguiente sección temática: Parte I: Computación evolutiva, metaheurísticas, restricciones y búsqueda, optimización combinatoria y numérica; redes neuronales, aprendizaje profundo y visión por computadora; y minería de textos y procesamiento de lenguaje natural. Parte II: Sistemas de agentes y multiagentes, planificación y aprendizaje por refuerzo; representación del conocimiento, lógica y sistemas difusos; aprendizaje automático y minería de datos; e inteligencia y aplicaciones multidisciplinarias artificiales y computacionales. Debido a la pandemia de Corona, BRACIS 2020 se llevó a cabo como un evento virtual. Nota de contenido: Agent and Multi-Agent Systems, Planning and Reinforcement Learning -- Knowledge Representation, Logic and Fuzzy Systems -- Machine Learning and Data Mining -- Multidisciplinary Artificial and Computational Intelligence and Applications. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i 9th Brazilian Conference, BRACIS 2020, Rio Grande, Brazil, October 20–23, 2020, Proceedings, Part II [documento electrónico] / Cerri, Ricardo, ; Prati, Ronaldo C., . - 1 ed. . - [s.l.] : Springer, 2020 . - XXIII, 682 p. 279 ilustraciones, 151 ilustraciones en color.
ISBN : 978-3-030-61380-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Informática Redes de comunicación informática Matemáticas de la Computación Teoría de la Computación Entornos informáticos Aplicación informática en ciencias sociales y del comportamiento Inteligencia artificial Matemáticas Ordenador Procesamiento de datos Ciencias sociales Red informática Índice Dewey: 006.3 Inteligencia artificial Resumen: El conjunto de dos volúmenes LNAI 12319 y 12320 constituye las actas de la 9.ª Conferencia Brasileña sobre Sistemas Inteligentes, BRACIS 2020, celebrada en Río Grande, Brasil, en octubre de 2020. El total de 90 artículos presentados en estos dos volúmenes fue cuidadosamente revisado y seleccionado. de 228 presentaciones. Las contribuciones están organizadas en la siguiente sección temática: Parte I: Computación evolutiva, metaheurísticas, restricciones y búsqueda, optimización combinatoria y numérica; redes neuronales, aprendizaje profundo y visión por computadora; y minería de textos y procesamiento de lenguaje natural. Parte II: Sistemas de agentes y multiagentes, planificación y aprendizaje por refuerzo; representación del conocimiento, lógica y sistemas difusos; aprendizaje automático y minería de datos; e inteligencia y aplicaciones multidisciplinarias artificiales y computacionales. Debido a la pandemia de Corona, BRACIS 2020 se llevó a cabo como un evento virtual. Nota de contenido: Agent and Multi-Agent Systems, Planning and Reinforcement Learning -- Knowledge Representation, Logic and Fuzzy Systems -- Machine Learning and Data Mining -- Multidisciplinary Artificial and Computational Intelligence and Applications. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Learning from Imbalanced Data Sets Tipo de documento: documento electrónico Autores: Fernández, Alberto, Autor ; García, Salvador., Autor ; Galar, Mikel, Autor ; Prati, Ronaldo C., Autor ; Krawczyk, Bartosz, Autor ; Herrera, Francisco, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVIII, 377 p. 71 ilustraciones, 50 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-98074-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Red de computadoras Redes de comunicación informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro proporciona una visión general y comprensible del aprendizaje desequilibrado. Contiene una descripción formal de un problema y se centra en sus características principales y las soluciones propuestas más relevantes. Además, considera los diferentes escenarios en Ciencia de Datos para los cuales la clasificación desequilibrada puede crear un verdadero desafío. Este libro enfatiza la brecha con las tareas de clasificación estándar al revisar los estudios de caso y las métricas de desempeño ad hoc que se aplican en esta área. También cubre los diferentes enfoques que se han aplicado tradicionalmente para abordar la distribución binaria de clases sesgada. Específicamente, revisa el aprendizaje sensible a los costos, los métodos de preprocesamiento a nivel de datos y las soluciones a nivel de algoritmos, teniendo también en cuenta aquellas soluciones de aprendizaje conjunto que incorporan cualquiera de las primeras alternativas. Además, se centra en la extensión del problema a problemas multiclase, en los que los métodos clásicos anteriores ya no se pueden aplicar de forma sencilla. Este libro también se centra en las características intrínsecas de los datos que son las principales causas que, sumadas a la distribución desigual de clases, realmente dificultan el desempeño de los algoritmos de clasificación en este escenario. Luego, se brindan algunas notas sobre la reducción de datos para comprender las ventajas relacionadas con el uso de este tipo de enfoques. Finalmente, este libro presenta algunas áreas de estudio novedosas que están atrayendo una atención más profunda sobre el problema de los datos desequilibrados. Específicamente, considera la clasificación de flujos de datos, problemas de clasificación no clásicos y la escalabilidad relacionada con Big Data. Se proporcionan ejemplos de bibliotecas de software y módulos para abordar la clasificación desequilibrada. Este libro es muy adecuado para profesionales técnicos, estudiantes universitarios y de posgrado en las áreas de ciencia de datos, informática e ingeniería. También será útil para los científicos e investigadores conocer los avances actuales en esta área de estudio, así como las futuras direcciones de investigación. . Nota de contenido: 1 Introduction to KDD and Data Science -- 2 Foundations on Imbalanced Classification -- 3 Performance measures -- 4 Cost-sensitive Learning -- 5 Data Level Preprocessing Methods -- 6 Algorithm-level Approaches -- 7 Ensemble Learning -- 8 Imbalanced Classification with Multiple Classes -- 9 Dimensionality Reduction for Imbalanced Learning -- 10 Data Intrinsic Characteristics -- 11 Learning from Imbalanced Data Streams -- 12 Non-Classical Imbalanced Classification Problems -- 13 Imbalanced Classification for Big Data -- 14 Software and Libraries for Imbalanced Classification. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Learning from Imbalanced Data Sets [documento electrónico] / Fernández, Alberto, Autor ; García, Salvador., Autor ; Galar, Mikel, Autor ; Prati, Ronaldo C., Autor ; Krawczyk, Bartosz, Autor ; Herrera, Francisco, Autor . - 1 ed. . - [s.l.] : Springer, 2018 . - XVIII, 377 p. 71 ilustraciones, 50 ilustraciones en color.
ISBN : 978-3-319-98074-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Red de computadoras Redes de comunicación informática Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro proporciona una visión general y comprensible del aprendizaje desequilibrado. Contiene una descripción formal de un problema y se centra en sus características principales y las soluciones propuestas más relevantes. Además, considera los diferentes escenarios en Ciencia de Datos para los cuales la clasificación desequilibrada puede crear un verdadero desafío. Este libro enfatiza la brecha con las tareas de clasificación estándar al revisar los estudios de caso y las métricas de desempeño ad hoc que se aplican en esta área. También cubre los diferentes enfoques que se han aplicado tradicionalmente para abordar la distribución binaria de clases sesgada. Específicamente, revisa el aprendizaje sensible a los costos, los métodos de preprocesamiento a nivel de datos y las soluciones a nivel de algoritmos, teniendo también en cuenta aquellas soluciones de aprendizaje conjunto que incorporan cualquiera de las primeras alternativas. Además, se centra en la extensión del problema a problemas multiclase, en los que los métodos clásicos anteriores ya no se pueden aplicar de forma sencilla. Este libro también se centra en las características intrínsecas de los datos que son las principales causas que, sumadas a la distribución desigual de clases, realmente dificultan el desempeño de los algoritmos de clasificación en este escenario. Luego, se brindan algunas notas sobre la reducción de datos para comprender las ventajas relacionadas con el uso de este tipo de enfoques. Finalmente, este libro presenta algunas áreas de estudio novedosas que están atrayendo una atención más profunda sobre el problema de los datos desequilibrados. Específicamente, considera la clasificación de flujos de datos, problemas de clasificación no clásicos y la escalabilidad relacionada con Big Data. Se proporcionan ejemplos de bibliotecas de software y módulos para abordar la clasificación desequilibrada. Este libro es muy adecuado para profesionales técnicos, estudiantes universitarios y de posgrado en las áreas de ciencia de datos, informática e ingeniería. También será útil para los científicos e investigadores conocer los avances actuales en esta área de estudio, así como las futuras direcciones de investigación. . Nota de contenido: 1 Introduction to KDD and Data Science -- 2 Foundations on Imbalanced Classification -- 3 Performance measures -- 4 Cost-sensitive Learning -- 5 Data Level Preprocessing Methods -- 6 Algorithm-level Approaches -- 7 Ensemble Learning -- 8 Imbalanced Classification with Multiple Classes -- 9 Dimensionality Reduction for Imbalanced Learning -- 10 Data Intrinsic Characteristics -- 11 Learning from Imbalanced Data Streams -- 12 Non-Classical Imbalanced Classification Problems -- 13 Imbalanced Classification for Big Data -- 14 Software and Libraries for Imbalanced Classification. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
