Información del autor
Autor Brefeld, Ulf |
Documentos disponibles escritos por este autor (6)
Crear una solicitud de compra Refinar búsquedaMachine Learning and Data Mining for Sports Analytics / Brefeld, Ulf ; Davis, Jesse ; Van Haaren, Jan ; Zimmermann, Albrecht
TÃtulo : Machine Learning and Data Mining for Sports Analytics : 5th International Workshop, MLSA 2018, Co-located with ECML/PKDD 2018, Dublin, Ireland, September 10, 2018, Proceedings Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Davis, Jesse, ; Van Haaren, Jan, ; Zimmermann, Albrecht, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: X, 179 p. 57 ilustraciones, 41 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-17274-9 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 Procesamiento de datos Informática Estadistica matematica Sistemas de reconocimiento de patrones MinerÃa de datos y descubrimiento de conocimientos Probabilidad y EstadÃstica en Informática Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas posteriores a la conferencia del 5.° Taller Internacional sobre Aprendizaje Automático y MinerÃa de Datos para Análisis Deportivo, MLSA 2018, ubicado junto con ECML/PKDD 2018, en DublÃn, Irlanda, en septiembre de 2018. Los 12 artÃculos completos presentados junto con Se revisaron y seleccionaron cuidadosamente 4 artÃculos de desafÃo entre 24 presentaciones. Los artÃculos presentan una variedad de temas, que abarcan los deportes de equipo fútbol americano, baloncesto, hockey sobre hielo y fútbol, ​​asà como deportes individuales como ciclismo y artes marciales. Además, se incluyen cuatro artÃculos de desafÃo que informan sobre cómo predecir los receptores de pases en el fútbol. . Tipo de medio : Computadora Summary : This book constitutes the refereed post-conference proceedings of the 5th International Workshop on Machine Learning and Data Mining for Sports Analytics, MLSA 2018, colocated with ECML/PKDD 2018, in Dublin, Ireland, in September 2018. The 12 full papers presented together with 4 challenge papers were carefully reviewed and selected from 24 submissions. The papers present a variety of topics, covering the team sports American football, basketball, ice hockey, and soccer, as well as the individual sports cycling and martial arts. In addition, four challenge papers are included, reporting on how to predict pass receivers in soccer. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Data Mining for Sports Analytics : 5th International Workshop, MLSA 2018, Co-located with ECML/PKDD 2018, Dublin, Ireland, September 10, 2018, Proceedings [documento electrónico] / Brefeld, Ulf, ; Davis, Jesse, ; Van Haaren, Jan, ; Zimmermann, Albrecht, . - 1 ed. . - [s.l.] : Springer, 2019 . - X, 179 p. 57 ilustraciones, 41 ilustraciones en color.
ISBN : 978-3-030-17274-9
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 Procesamiento de datos Informática Estadistica matematica Sistemas de reconocimiento de patrones MinerÃa de datos y descubrimiento de conocimientos Probabilidad y EstadÃstica en Informática Reconocimiento de patrones automatizado Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas posteriores a la conferencia del 5.° Taller Internacional sobre Aprendizaje Automático y MinerÃa de Datos para Análisis Deportivo, MLSA 2018, ubicado junto con ECML/PKDD 2018, en DublÃn, Irlanda, en septiembre de 2018. Los 12 artÃculos completos presentados junto con Se revisaron y seleccionaron cuidadosamente 4 artÃculos de desafÃo entre 24 presentaciones. Los artÃculos presentan una variedad de temas, que abarcan los deportes de equipo fútbol americano, baloncesto, hockey sobre hielo y fútbol, ​​asà como deportes individuales como ciclismo y artes marciales. Además, se incluyen cuatro artÃculos de desafÃo que informan sobre cómo predecir los receptores de pases en el fútbol. . Tipo de medio : Computadora Summary : This book constitutes the refereed post-conference proceedings of the 5th International Workshop on Machine Learning and Data Mining for Sports Analytics, MLSA 2018, colocated with ECML/PKDD 2018, in Dublin, Ireland, in September 2018. The 12 full papers presented together with 4 challenge papers were carefully reviewed and selected from 24 submissions. The papers present a variety of topics, covering the team sports American football, basketball, ice hockey, and soccer, as well as the individual sports cycling and martial arts. In addition, four challenge papers are included, reporting on how to predict pass receivers in soccer. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Data Mining for Sports Analytics : 7th International Workshop, MLSA 2020, Co-located with ECML/PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings / Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Davis, Jesse, ; Van Haaren, Jan, ; Zimmermann, Albrecht, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 141 p. 6 ilustraciones ISBN/ISSN/DL: 978-3-030-64912-8 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 IngenierÃa Informática Red de computadoras Ciencias sociales IngenierÃa Informática y Redes Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento. Redes de comunicación informática Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas posteriores a la conferencia del Séptimo Taller Internacional sobre Aprendizaje Automático y MinerÃa de Datos para Análisis Deportivo, MLSA 2020, ubicado junto con ECML/PKDD 2020, en Gante, Bélgica, en septiembre de 2020. Debido a la pandemia de COVID-19 La conferencia se llevó a cabo en lÃnea. Los 11 artÃculos presentados fueron cuidadosamente revisados ​​y seleccionados entre 22 presentaciones. Los artÃculos presentan una variedad de temas dentro del área de análisis deportivo, incluido el análisis táctico, predicciones de resultados, adquisición de datos, optimización del rendimiento y evaluación de jugadores. Nota de contenido: Routine Inspection: A playbook for corner kicks -- How data availability aects the ability to learngood xG models -- Low-cost optical tracking of soccer players -- An Autoencoder Based Approach to SimulateSports Games -- Physical performance optimization in football -- Predicting Player Trajectoriesin Shot Situations in Soccer -- Stats Aren't Everything: Learning Strengths andWeaknesses of Cricket Players -- Prediction of tiers in the rankingof ice hockey players -- A Machine Learning Approach for Road CyclingRace Performance Prediction -- Mining Marathon Training Data to GenerateUseful User Proles -- Learning from partially labeled sequences forbehavioral signal annotation. Tipo de medio : Computadora Summary : This book constitutes the refereed post-conference proceedings of the 7th International Workshop on Machine Learning and Data Mining for Sports Analytics, MLSA 2020, colocated with ECML/PKDD 2020, in Ghent, Belgium, in September 2020. Due to the COVID-19 pandemic the conference was held online. The 11 papers presented were carefully reviewed and selected from 22 submissions. The papers present a variety of topics within the area of sports analytics, including tactical analysis, outcome predictions, data acquisition, performance optimization, and player evaluation. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Data Mining for Sports Analytics : 7th International Workshop, MLSA 2020, Co-located with ECML/PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings / [documento electrónico] / Brefeld, Ulf, ; Davis, Jesse, ; Van Haaren, Jan, ; Zimmermann, Albrecht, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 141 p. 6 ilustraciones.
ISBN : 978-3-030-64912-8
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 IngenierÃa Informática Red de computadoras Ciencias sociales IngenierÃa Informática y Redes Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento. Redes de comunicación informática Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas posteriores a la conferencia del Séptimo Taller Internacional sobre Aprendizaje Automático y MinerÃa de Datos para Análisis Deportivo, MLSA 2020, ubicado junto con ECML/PKDD 2020, en Gante, Bélgica, en septiembre de 2020. Debido a la pandemia de COVID-19 La conferencia se llevó a cabo en lÃnea. Los 11 artÃculos presentados fueron cuidadosamente revisados ​​y seleccionados entre 22 presentaciones. Los artÃculos presentan una variedad de temas dentro del área de análisis deportivo, incluido el análisis táctico, predicciones de resultados, adquisición de datos, optimización del rendimiento y evaluación de jugadores. Nota de contenido: Routine Inspection: A playbook for corner kicks -- How data availability aects the ability to learngood xG models -- Low-cost optical tracking of soccer players -- An Autoencoder Based Approach to SimulateSports Games -- Physical performance optimization in football -- Predicting Player Trajectoriesin Shot Situations in Soccer -- Stats Aren't Everything: Learning Strengths andWeaknesses of Cricket Players -- Prediction of tiers in the rankingof ice hockey players -- A Machine Learning Approach for Road CyclingRace Performance Prediction -- Mining Marathon Training Data to GenerateUseful User Proles -- Learning from partially labeled sequences forbehavioral signal annotation. Tipo de medio : Computadora Summary : This book constitutes the refereed post-conference proceedings of the 7th International Workshop on Machine Learning and Data Mining for Sports Analytics, MLSA 2020, colocated with ECML/PKDD 2020, in Ghent, Belgium, in September 2020. Due to the COVID-19 pandemic the conference was held online. The 11 papers presented were carefully reviewed and selected from 22 submissions. The papers present a variety of topics within the area of sports analytics, including tactical analysis, outcome predictions, data acquisition, performance optimization, and player evaluation. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part III / Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Curry, Edward, ; Daly, Elizabeth, ; MacNamee, Brian, ; Marascu, Alice, ; Pinelli, Fabio, ; Berlingerio, Michele, ; Hurley, Neil, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXXI, 706 p. 332 ilustraciones, 194 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-10997-4 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: Procesamiento de datos Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Protección de datos Delitos informáticos MinerÃa de datos y descubrimiento de conocimientos IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Crimen informático Clasificación: 6.312 Resumen: Las actas de tres volúmenes LNAI 11051 – 11053 constituyen las actas arbitradas de la Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, celebrada en DublÃn, Irlanda, en septiembre de 2018. El total de 131 artÃculos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artÃculos en la sección de demostración, néctar y ciencia de datos aplicada. Las contribuciones se organizaron en secciones temáticas denominadas de la siguiente manera: Parte I: aprendizaje contradictorio; detección de anomalÃas y valores atÃpicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; aprendizaje profundo; métodos de conjunto; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en lÃnea; minerÃa de patrones y secuencias; modelos probabilÃsticos y métodos estadÃsticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; Comercio electrónico de ADS; IngenierÃa y diseño de ADS; ADS financieros y de seguridad; salud de los anuncios; detección y posicionamiento de ADS; pista de néctar; y pista de demostración. Nota de contenido: ADS Data Science Applications -- Neural Article Pair Modeling for Wikipedia Sub-article Matching -- LinNet: Probabilistic Lineup Evaluation Through Network Embedding -- Improving Emotion Detection with Sub-clip Boosting -- Machine Learning for Targeted Assimilation of Satellite Data -- From Empirical Analysis to Public Policy: Evaluating Housing Systems for Homeless Youth -- Discovering Groups of Signals in In-Vehicle Network Traces for Redundancy Detection and Functional Grouping -- ADS E-commerce -- SPEEDING up the Metabolism in E-commerce by Reinforcement Mechanism DESIGN -- Intent-aware Audience Targeting for Ride-hailing Service -- A Recurrent Neural Network Survival Model: Predicting Web User Return Time -- Implicit Linking of Food Entities in Social Media -- A Practical Deep Online Ranking System in E-commerce Recommendation -- ADS Engineering and Design -- ST-DenNetFus: A New Deep Learning Approach for Network Demand Prediction -- Automating Layout Synthesis with Constructive Preference Elicitation -- Configuration of Industrial Automation Solutions Using Multi-relational Recommender Systems -- Learning Cheap and Novel Flight Itineraries -- Towards Resource-Efficient Classifiers for Always-On Monitoring -- ADS Financial / Security -- Uncertainty Modelling in Deep Networks: Forecasting Short and Noisy Series -- Using Reinforcement Learning to Conceal Honeypot Functionality -- Flexible Inference for Cyberbully Incident Detection -- Solving the \false positives" problem in fraud prediction - Automated Data Science at an Industrial Scale -- Learning Tensor-based Representations from Brain-Computer Interface Data for Cybersecurity -- ADS Health -- Can We Assess Mental Health through Social Media and Smart Devices? Addressing Bias in Methodology and Evaluation -- AMIE: Automatic Monitoring of Indoor Exercises -- Rough Set Theory as a Data Mining Technique: A Case Study in Epidemiology and Cancer Incidence Prediction -- Selecting Influenza Mitigation Strategies Using Bayesian Bandits -- Hypotensive Episode Prediction in ICUs via Observation Window Splitting -- Equipment Health Indicator Learning using Deep Reinforcement Learning -- ADS Sensing/Positioning -- PBE: Driver Behavior Assessment Beyond Trajectory Profiling -- Accurate WiFi-based Indoor Positioning with Continuous Location Sampling -- Human Activity Recognition with Convolutional Neural Networks -- Urban sensing for anomalous event detection -- Combining Bayesian Inference and Clustering for Transport Mode Detection from Sparse and Noisy Geolocation Data -- CentroidNet: A Deep Neural Network for Joint Object Localization and Counting -- Deep Modular Multimodal Fusion on Multiple Sensors for Volcano Activity Recognition -- Nectar Track -- Matrix Completion under Interval Uncertainty -- A two-step approach for the prediction of mood levels based on diary data -- Best Practices to Train Deep Models on Imbalanced Datasets - A Case Study on Animal Detection in Aerial Imagery -- Deep Query Ranking for Question Answering over Knowledge Bases -- Machine Learning Approaches to Hybrid Music Recommender Systems -- Demo Track -- IDEA: An Interactive Dialogue Translation Demo System Using Furhat Robots -- RAPID: Real-time Analytics Platform for Interactive Data Mining -- COBRASTS: A new approach to Semi-Supervised Clustering of Time Series -- pysubgroup: Easy-to-use Subgroup Discovery in Python -- An Advert Creation System for Next-Gen Publicity -- VHI : Valve Health Identification for the Maintenance of Subsea Industrial Equipment -- Tiler: Software for Human-Guided Data Exploration -- ADAGIO: Interactive Experimentation with Adversarial Attack and Defense for Audio -- ClaRe: Classification and Regression Tool for Multivariate Time Series -- Industrial Memories: Exploring the Findings of Government Inquiries with Neural Word Embedding and Machine Learning -- Monitoring Emergency First Responders' Activities via Gradient Boosting and Inertial Sensor Data -- Visualizing Multi-Document Semantics via Open Domain Information Extraction. Tipo de medio : Computadora Summary : The three volume proceedings LNAI 11051 – 11053 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2018, held in Dublin, Ireland, in September 2018. The total of 131 regular papers presented in part I and part II was carefully reviewed and selected from 535 submissions; there are 52 papers in the applied data science, nectar and demo track. The contributions were organized in topical sections named as follows: Part I: adversarial learning; anomaly and outlier detection; applications; classification; clustering and unsupervised learning; deep learning; ensemble methods; and evaluation. Part II: graphs; kernel methods; learning paradigms; matrix and tensor analysis; online and active learning; pattern and sequence mining; probabilistic models and statistical methods; recommender systems; and transfer learning. Part III: ADS data science applications; ADS e-commerce;ADS engineering and design; ADS financial and security; ADS health; ADS sensing and positioning; nectar track; and demo track. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part III / [documento electrónico] / Brefeld, Ulf, ; Curry, Edward, ; Daly, Elizabeth, ; MacNamee, Brian, ; Marascu, Alice, ; Pinelli, Fabio, ; Berlingerio, Michele, ; Hurley, Neil, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXXI, 706 p. 332 ilustraciones, 194 ilustraciones en color.
ISBN : 978-3-030-10997-4
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: Procesamiento de datos Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Protección de datos Delitos informáticos MinerÃa de datos y descubrimiento de conocimientos IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Crimen informático Clasificación: 6.312 Resumen: Las actas de tres volúmenes LNAI 11051 – 11053 constituyen las actas arbitradas de la Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, celebrada en DublÃn, Irlanda, en septiembre de 2018. El total de 131 artÃculos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artÃculos en la sección de demostración, néctar y ciencia de datos aplicada. Las contribuciones se organizaron en secciones temáticas denominadas de la siguiente manera: Parte I: aprendizaje contradictorio; detección de anomalÃas y valores atÃpicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; aprendizaje profundo; métodos de conjunto; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en lÃnea; minerÃa de patrones y secuencias; modelos probabilÃsticos y métodos estadÃsticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; Comercio electrónico de ADS; IngenierÃa y diseño de ADS; ADS financieros y de seguridad; salud de los anuncios; detección y posicionamiento de ADS; pista de néctar; y pista de demostración. Nota de contenido: ADS Data Science Applications -- Neural Article Pair Modeling for Wikipedia Sub-article Matching -- LinNet: Probabilistic Lineup Evaluation Through Network Embedding -- Improving Emotion Detection with Sub-clip Boosting -- Machine Learning for Targeted Assimilation of Satellite Data -- From Empirical Analysis to Public Policy: Evaluating Housing Systems for Homeless Youth -- Discovering Groups of Signals in In-Vehicle Network Traces for Redundancy Detection and Functional Grouping -- ADS E-commerce -- SPEEDING up the Metabolism in E-commerce by Reinforcement Mechanism DESIGN -- Intent-aware Audience Targeting for Ride-hailing Service -- A Recurrent Neural Network Survival Model: Predicting Web User Return Time -- Implicit Linking of Food Entities in Social Media -- A Practical Deep Online Ranking System in E-commerce Recommendation -- ADS Engineering and Design -- ST-DenNetFus: A New Deep Learning Approach for Network Demand Prediction -- Automating Layout Synthesis with Constructive Preference Elicitation -- Configuration of Industrial Automation Solutions Using Multi-relational Recommender Systems -- Learning Cheap and Novel Flight Itineraries -- Towards Resource-Efficient Classifiers for Always-On Monitoring -- ADS Financial / Security -- Uncertainty Modelling in Deep Networks: Forecasting Short and Noisy Series -- Using Reinforcement Learning to Conceal Honeypot Functionality -- Flexible Inference for Cyberbully Incident Detection -- Solving the \false positives" problem in fraud prediction - Automated Data Science at an Industrial Scale -- Learning Tensor-based Representations from Brain-Computer Interface Data for Cybersecurity -- ADS Health -- Can We Assess Mental Health through Social Media and Smart Devices? Addressing Bias in Methodology and Evaluation -- AMIE: Automatic Monitoring of Indoor Exercises -- Rough Set Theory as a Data Mining Technique: A Case Study in Epidemiology and Cancer Incidence Prediction -- Selecting Influenza Mitigation Strategies Using Bayesian Bandits -- Hypotensive Episode Prediction in ICUs via Observation Window Splitting -- Equipment Health Indicator Learning using Deep Reinforcement Learning -- ADS Sensing/Positioning -- PBE: Driver Behavior Assessment Beyond Trajectory Profiling -- Accurate WiFi-based Indoor Positioning with Continuous Location Sampling -- Human Activity Recognition with Convolutional Neural Networks -- Urban sensing for anomalous event detection -- Combining Bayesian Inference and Clustering for Transport Mode Detection from Sparse and Noisy Geolocation Data -- CentroidNet: A Deep Neural Network for Joint Object Localization and Counting -- Deep Modular Multimodal Fusion on Multiple Sensors for Volcano Activity Recognition -- Nectar Track -- Matrix Completion under Interval Uncertainty -- A two-step approach for the prediction of mood levels based on diary data -- Best Practices to Train Deep Models on Imbalanced Datasets - A Case Study on Animal Detection in Aerial Imagery -- Deep Query Ranking for Question Answering over Knowledge Bases -- Machine Learning Approaches to Hybrid Music Recommender Systems -- Demo Track -- IDEA: An Interactive Dialogue Translation Demo System Using Furhat Robots -- RAPID: Real-time Analytics Platform for Interactive Data Mining -- COBRASTS: A new approach to Semi-Supervised Clustering of Time Series -- pysubgroup: Easy-to-use Subgroup Discovery in Python -- An Advert Creation System for Next-Gen Publicity -- VHI : Valve Health Identification for the Maintenance of Subsea Industrial Equipment -- Tiler: Software for Human-Guided Data Exploration -- ADAGIO: Interactive Experimentation with Adversarial Attack and Defense for Audio -- ClaRe: Classification and Regression Tool for Multivariate Time Series -- Industrial Memories: Exploring the Findings of Government Inquiries with Neural Word Embedding and Machine Learning -- Monitoring Emergency First Responders' Activities via Gradient Boosting and Inertial Sensor Data -- Visualizing Multi-Document Semantics via Open Domain Information Extraction. Tipo de medio : Computadora Summary : The three volume proceedings LNAI 11051 – 11053 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2018, held in Dublin, Ireland, in September 2018. The total of 131 regular papers presented in part I and part II was carefully reviewed and selected from 535 submissions; there are 52 papers in the applied data science, nectar and demo track. The contributions were organized in topical sections named as follows: Part I: adversarial learning; anomaly and outlier detection; applications; classification; clustering and unsupervised learning; deep learning; ensemble methods; and evaluation. Part II: graphs; kernel methods; learning paradigms; matrix and tensor analysis; online and active learning; pattern and sequence mining; probabilistic models and statistical methods; recommender systems; and transfer learning. Part III: ADS data science applications; ADS e-commerce;ADS engineering and design; ADS financial and security; ADS health; ADS sensing and positioning; nectar track; and demo track. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019, Proceedings, Part I / Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Fromont, Elisa, ; Hotho, Andreas, ; Knobbe, Arno, ; Maathuis, Marloes, ; Robardet, Celine, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XLVI, 766 p. 344 ilustraciones, 196 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-46150-8 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 Gestión de base de datos Software de la aplicacion IngenierÃa Informática Red de computadoras Ordenadores Sistema de administración de base de datos Aplicaciones informáticas y de sistemas de información IngenierÃa Informática y Redes Entornos informáticos Clasificación: 006.3 Resumen: El capÃtulo "Los núcleos de cola pesada revelan una estructura de clúster más fina en visualizaciones t-SNE" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Pattern Mining -- Clustering, Anomaly and Outlier Detection, and Autoencoders -- Dimensionality Reduction and Feature Selection -- Social Networks and Graphs -- Decision Trees, Interpretability, and Causality -- Strings and Streams -- Privacy and Security -- Optimization. Tipo de medio : Computadora Summary : Chapter "Heavy-tailed Kernels Reveal a Finer Cluster Structure in t-SNE Visualisations" is available open access under a Creative Commons Attribution 4.0 International License via link.springer.com. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019, Proceedings, Part I / [documento electrónico] / Brefeld, Ulf, ; Fromont, Elisa, ; Hotho, Andreas, ; Knobbe, Arno, ; Maathuis, Marloes, ; Robardet, Celine, . - 1 ed. . - [s.l.] : Springer, 2020 . - XLVI, 766 p. 344 ilustraciones, 196 ilustraciones en color.
ISBN : 978-3-030-46150-8
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 Gestión de base de datos Software de la aplicacion IngenierÃa Informática Red de computadoras Ordenadores Sistema de administración de base de datos Aplicaciones informáticas y de sistemas de información IngenierÃa Informática y Redes Entornos informáticos Clasificación: 006.3 Resumen: El capÃtulo "Los núcleos de cola pesada revelan una estructura de clúster más fina en visualizaciones t-SNE" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Pattern Mining -- Clustering, Anomaly and Outlier Detection, and Autoencoders -- Dimensionality Reduction and Feature Selection -- Social Networks and Graphs -- Decision Trees, Interpretability, and Causality -- Strings and Streams -- Privacy and Security -- Optimization. Tipo de medio : Computadora Summary : Chapter "Heavy-tailed Kernels Reveal a Finer Cluster Structure in t-SNE Visualisations" is available open access under a Creative Commons Attribution 4.0 International License via link.springer.com. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019, Proceedings, Part II / Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Fromont, Elisa, ; Hotho, Andreas, ; Knobbe, Arno, ; Maathuis, Marloes, ; Robardet, Celine, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXVI, 732 p. 314 ilustraciones, 191 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-46147-8 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 Software de la aplicacion Ordenadores Gestión de base de datos IngenierÃa Informática Red de computadoras Aplicaciones informáticas y de sistemas de información Entornos informáticos Sistema de administración de base de datos IngenierÃa Informática y Redes Clasificación: 006.3 Resumen: El capÃtulo "Incorporación de dependencias en núcleos espectrales para procesos gaussianos" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Supervised Learning -- Multi-Label Learning -- Large-Scale Learning -- Deep Learning -- Probabilistic Models -- Natural Language Processing. Tipo de medio : Computadora Summary : Chapter "Incorporating Dependencies in Spectral Kernels for Gaussian Processes" is available open access under a Creative Commons Attribution 4.0 International License via link.springer.com. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Knowledge Discovery in Databases : European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019, Proceedings, Part II / [documento electrónico] / Brefeld, Ulf, ; Fromont, Elisa, ; Hotho, Andreas, ; Knobbe, Arno, ; Maathuis, Marloes, ; Robardet, Celine, . - 1 ed. . - [s.l.] : Springer, 2020 . - XXVI, 732 p. 314 ilustraciones, 191 ilustraciones en color.
ISBN : 978-3-030-46147-8
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 Software de la aplicacion Ordenadores Gestión de base de datos IngenierÃa Informática Red de computadoras Aplicaciones informáticas y de sistemas de información Entornos informáticos Sistema de administración de base de datos IngenierÃa Informática y Redes Clasificación: 006.3 Resumen: El capÃtulo "Incorporación de dependencias en núcleos espectrales para procesos gaussianos" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Supervised Learning -- Multi-Label Learning -- Large-Scale Learning -- Deep Learning -- Probabilistic Models -- Natural Language Processing. Tipo de medio : Computadora Summary : Chapter "Incorporating Dependencies in Spectral Kernels for Gaussian Processes" is available open access under a Creative Commons Attribution 4.0 International License via link.springer.com. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Permalink
