European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part I / Berlingerio, Michele ; Bonchi, Francesco ; Gärtner, Thomas ; Hurley, Neil ; Ifrim, Georgiana  

Público ISBD Ningún comentario para este registro. Título : European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part I Tipo de documento: documento electrónico Autores: Berlingerio, Michele, ; Bonchi, Francesco, ; Gärtner, Thomas, ; Hurley, Neil, ; Ifrim, Georgiana, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXXVIII, 740 p. 451 ilustraciones, 159 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-10925-7 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  Procesamiento de datos  Visión por computador  Ciencias sociales  Ordenadores  Protección de datos  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Entornos informáticos  Seguridad de datos e información Índice Dewey: 006.3 Inteligencia artificial 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 Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos 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 anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; métodos de aprendizaje profundo; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; ADS de comercio electrónico; Ingeniería 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: Adversarial Learning -- Image Anomaly Detection with Generative Adversarial Networks -- Image-to-Markup Generation via Paired Adversarial Learning -- Toward an Understanding of Adversarial Examples in Clinical Trials -- ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector -- Anomaly and Outlier Detection -- GridWatch: Sensor Placement and Anomaly Detection in the Electrical Grid -- Incorporating Privileged Information to Unsupervised Anomaly Detection -- L1-Depth Revisited: A Robust Angle-based Outlier Factor in High-dimensional Space -- Beyond Outlier Detection: LookOut for Pictorial Explanation -- Scalable and Interpretable One-class SVMs with Deep Learning and Random Fourier Features -- Group Anomaly Detection using Deep Generative Models -- Applications -- A Discriminative Model for Identifying Readers and Assessing Text Comprehension from Eye Movements -- Face-Cap: Image Captioning using Facial Expression Analysis -- Pedestrian Trajectory Prediction with Structured Memory Hierarchies -- Classification -- Multiple Instance Learning with Bag-level Randomized Trees -- One-class Quantification -- Deep F-Measure Maximization in Multi-Label Classification: A Comparative Study -- Ordinal Label Proportions -- AWX: An Integrated Approach to Hierarchical-Multilabel Classification -- Clustering and Unsupervised Learning -- Clustering in the Presence of Concept Drift -- Time Warp Invariant Dictionary Learning for Time Series Clustering -- How Your Supporters and Opponents Define Your Interestingness -- Deep Learning -- Efficient Decentralized Deep Learning by Dynamic Model Averaging -- Using Supervised Pretraining to Improve Generalization of Neural Networks on Binary Classification Problems -- Towards Efficient Forward Propagation on Resource-Constrained Systems -- Auxiliary Guided Autoregressive Variational Autoencoders -- Cooperative Multi-Agent Policy Gradient -- Parametric t-Distributed Stochastic Exemplar-centered Embedding -- Joint autoencoders: a flexible meta-learning framework -- Privacy Preserving Synthetic Data Release Using Deep Learning -- On Finer Control of Information Flow in LSTMs -- MaxGain: Regularisation of Neural Networks by Constraining Activation Magnitudes -- Ontology alignment based on word embedding and random forest classification -- Domain Adaption in One-Shot Learning -- Ensemble Methods -- Axiomatic Characterization of AdaBoost and the Multiplicative Weight Update Procedure -- Modular Dimensionality Reduction -- Constructive Aggregation and its Application to Forecasting with Dynamic Ensembles -- MetaBags: Bagged Meta-Decision Trees for Regression -- Evaluation -- Visualizing the Feature Importance for Black Box Models -- Efficient estimation of AUC in a sliding window -- Controlling and visualizing the precision-recall tradeoff for external performance indices -- Evaluation Procedures for Forecasting with Spatio-Temporal Data -- A Blended Metric for Multi-label Optimisation and Evaluation. 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 European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part I [documento electrónico] / Berlingerio, Michele, ; Bonchi, Francesco, ; Gärtner, Thomas, ; Hurley, Neil, ; Ifrim, Georgiana,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XXXVIII, 740 p. 451 ilustraciones, 159 ilustraciones en color. ISBN : 978-3-030-10925-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Procesamiento de datos  Visión por computador  Ciencias sociales  Ordenadores  Protección de datos  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Entornos informáticos  Seguridad de datos e información Índice Dewey: 006.3 Inteligencia artificial 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 Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos 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 anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; métodos de aprendizaje profundo; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; ADS de comercio electrónico; Ingeniería 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: Adversarial Learning -- Image Anomaly Detection with Generative Adversarial Networks -- Image-to-Markup Generation via Paired Adversarial Learning -- Toward an Understanding of Adversarial Examples in Clinical Trials -- ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector -- Anomaly and Outlier Detection -- GridWatch: Sensor Placement and Anomaly Detection in the Electrical Grid -- Incorporating Privileged Information to Unsupervised Anomaly Detection -- L1-Depth Revisited: A Robust Angle-based Outlier Factor in High-dimensional Space -- Beyond Outlier Detection: LookOut for Pictorial Explanation -- Scalable and Interpretable One-class SVMs with Deep Learning and Random Fourier Features -- Group Anomaly Detection using Deep Generative Models -- Applications -- A Discriminative Model for Identifying Readers and Assessing Text Comprehension from Eye Movements -- Face-Cap: Image Captioning using Facial Expression Analysis -- Pedestrian Trajectory Prediction with Structured Memory Hierarchies -- Classification -- Multiple Instance Learning with Bag-level Randomized Trees -- One-class Quantification -- Deep F-Measure Maximization in Multi-Label Classification: A Comparative Study -- Ordinal Label Proportions -- AWX: An Integrated Approach to Hierarchical-Multilabel Classification -- Clustering and Unsupervised Learning -- Clustering in the Presence of Concept Drift -- Time Warp Invariant Dictionary Learning for Time Series Clustering -- How Your Supporters and Opponents Define Your Interestingness -- Deep Learning -- Efficient Decentralized Deep Learning by Dynamic Model Averaging -- Using Supervised Pretraining to Improve Generalization of Neural Networks on Binary Classification Problems -- Towards Efficient Forward Propagation on Resource-Constrained Systems -- Auxiliary Guided Autoregressive Variational Autoencoders -- Cooperative Multi-Agent Policy Gradient -- Parametric t-Distributed Stochastic Exemplar-centered Embedding -- Joint autoencoders: a flexible meta-learning framework -- Privacy Preserving Synthetic Data Release Using Deep Learning -- On Finer Control of Information Flow in LSTMs -- MaxGain: Regularisation of Neural Networks by Constraining Activation Magnitudes -- Ontology alignment based on word embedding and random forest classification -- Domain Adaption in One-Shot Learning -- Ensemble Methods -- Axiomatic Characterization of AdaBoost and the Multiplicative Weight Update Procedure -- Modular Dimensionality Reduction -- Constructive Aggregation and its Application to Forecasting with Dynamic Ensembles -- MetaBags: Bagged Meta-Decision Trees for Regression -- Evaluation -- Visualizing the Feature Importance for Black Box Models -- Efficient estimation of AUC in a sliding window -- Controlling and visualizing the precision-recall tradeoff for external performance indices -- Evaluation Procedures for Forecasting with Spatio-Temporal Data -- A Blended Metric for Multi-label Optimisation and Evaluation. 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

European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part II / Berlingerio, Michele ; Bonchi, Francesco ; Gärtner, Thomas ; Hurley, Neil ; Ifrim, Georgiana  

Público ISBD Ningún comentario para este registro. Título : European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part II Tipo de documento: documento electrónico Autores: Berlingerio, Michele, ; Bonchi, Francesco, ; Gärtner, Thomas, ; Hurley, Neil, ; Ifrim, Georgiana, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXX, 866 p. 463 ilustraciones, 192 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-10928-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Procesamiento de datos  Visión por computador  Ciencias sociales  Ordenadores  Protección de datos  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Entornos informáticos  Seguridad de datos e información Índice Dewey: 006.3 Inteligencia artificial 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 Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos 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 anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; métodos de aprendizaje profundo; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; ADS de comercio electrónico; Ingeniería 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: Graphs -- Temporally Evolving Community Detection and Prediction in Content-Centric Networks -- Local Topological Data Analysis to Uncover the Global Structure of Data Approaching Graph-Structured Topologies -- Similarity Modeling on Heterogeneous Networks via Automatic Path Discovery -- Dynamic hierarchies in temporal directed networks -- Risk-Averse Matchings over Uncertain Graph Databases -- Discovering Urban Travel Demands through Dynamic Zone Correlation in Location-Based Social Networks -- Social-Affiliation Networks: Patterns and the SOAR Model -- ONE-M: Modeling the Co-evolution of Opinions and Network Connections -- Think before You Discard: Accurate Triangle Counting in Graph Streams with Deletions -- Semi-Supervised Blockmodelling with Pairwise Guidance -- Kernel Methods -- Large-scale Nonlinear Variable Selection via Kernel Random Features -- Fast and Provably Effective Multi-view Classification with Landmark-based SVM -- Nyström-SGD: Fast Learning of Kernel-Classifiers with Conditioned Stochastic Gradient Descent -- Learning Paradigms -- Hyperparameter Learning for Conditional Kernel Mean Embeddings with Rademacher Complexity Bounds -- Deep Learning Architecture Search by Neuro-Cell-based Evolution with Function-Preserving Mutations -- VC-Dimension Based Generalization Bounds for Relational Learning -- Robust Super-Level Set Estimation using Gaussian Processes -- Robust Super-Level Set Estimation using Gaussian Processes -- Scalable Nonlinear AUC Maximization Methods -- Matrix and Tensor Analysis -- Lambert Matrix Factorization -- Identifying and Alleviating Concept Drift in Streaming Tensor Decomposition -- MASAGA: A Linearly-Convergent Stochastic First-Order Method for Optimization on Manifolds -- Block CUR: Decomposing Matrices using Groups of Columns -- Online and Active Learning -- SpectralLeader: Online Spectral Learning for Single Topic Models -- Online Learning of Weighted Relational Rules for Complex Event Recognition -- Toward Interpretable Deep Reinforcement Learning with Linear Model U-Trees -- Online Feature Selection by Adaptive Sub-gradient Methods -- Frame-based Optimal Design -- Hierarchical Active Learning with Proportion Feedback on Regions -- Pattern and Sequence Mining -- An Efficient Algorithm for Computing Entropic Measures of Feature Subsets -- Anytime Subgroup Discovery in Numerical Domains with Guarantees -- Discovering Spatio-Temporal Latent Influence in Geographical Attention Dynamics -- Mining Periodic Patterns with a MDL Criterion -- Revisiting Conditional Functional Dependency Discovery: Splitting the "C" from the "FD" -- Sqn2Vec: Learning Sequence Representation via Sequential Patterns with a Gap Constraint -- Mining Tree Patterns with Partially Injective Homomorphisms -- Probabilistic Models and Statistical Methods -- Variational Bayes for Mixture Models with Censored Data -- Exploration Enhanced Expected Improvement for Bayesian Optimization -- A Left-to-right Algorithm for Likelihood Estimation in Gamma-Poisson Factor Analysis -- Causal Inference on Multivariate and Mixed-Type Data -- Recommender Systems -- POLAR: Attention-based CNN for One-shot Personalized Article Recommendation -- Learning Multi-granularity Dynamic Network Representations for Social Recommendation -- GeoDCF: Deep Collaborative Filtering with Multifaceted Contextual Information in Location-based Social Networks -- Personalized Thread Recommendation for MOOC Discussion Forums -- Inferring Continuous Latent Preference on Transition Intervals for Next Point-of-Interest Recommendation -- Transfer Learning -- Feature Selection for Unsupervised Domain Adaptation using Optimal Transport -- Towards more Reliable Transfer Learning -- Differentially Private Hypothesis Transfer Learning -- Information-theoretic Transfer Learning framework for Bayesian Optimisation -- A Unified Framework for Domain Adaptation using Metric Learning on Manifolds. 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 European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part II [documento electrónico] / Berlingerio, Michele, ; Bonchi, Francesco, ; Gärtner, Thomas, ; Hurley, Neil, ; Ifrim, Georgiana,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XXX, 866 p. 463 ilustraciones, 192 ilustraciones en color. ISBN : 978-3-030-10928-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Procesamiento de datos  Visión por computador  Ciencias sociales  Ordenadores  Protección de datos  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Entornos informáticos  Seguridad de datos e información Índice Dewey: 006.3 Inteligencia artificial 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 Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos 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 anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; métodos de aprendizaje profundo; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; ADS de comercio electrónico; Ingeniería 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: Graphs -- Temporally Evolving Community Detection and Prediction in Content-Centric Networks -- Local Topological Data Analysis to Uncover the Global Structure of Data Approaching Graph-Structured Topologies -- Similarity Modeling on Heterogeneous Networks via Automatic Path Discovery -- Dynamic hierarchies in temporal directed networks -- Risk-Averse Matchings over Uncertain Graph Databases -- Discovering Urban Travel Demands through Dynamic Zone Correlation in Location-Based Social Networks -- Social-Affiliation Networks: Patterns and the SOAR Model -- ONE-M: Modeling the Co-evolution of Opinions and Network Connections -- Think before You Discard: Accurate Triangle Counting in Graph Streams with Deletions -- Semi-Supervised Blockmodelling with Pairwise Guidance -- Kernel Methods -- Large-scale Nonlinear Variable Selection via Kernel Random Features -- Fast and Provably Effective Multi-view Classification with Landmark-based SVM -- Nyström-SGD: Fast Learning of Kernel-Classifiers with Conditioned Stochastic Gradient Descent -- Learning Paradigms -- Hyperparameter Learning for Conditional Kernel Mean Embeddings with Rademacher Complexity Bounds -- Deep Learning Architecture Search by Neuro-Cell-based Evolution with Function-Preserving Mutations -- VC-Dimension Based Generalization Bounds for Relational Learning -- Robust Super-Level Set Estimation using Gaussian Processes -- Robust Super-Level Set Estimation using Gaussian Processes -- Scalable Nonlinear AUC Maximization Methods -- Matrix and Tensor Analysis -- Lambert Matrix Factorization -- Identifying and Alleviating Concept Drift in Streaming Tensor Decomposition -- MASAGA: A Linearly-Convergent Stochastic First-Order Method for Optimization on Manifolds -- Block CUR: Decomposing Matrices using Groups of Columns -- Online and Active Learning -- SpectralLeader: Online Spectral Learning for Single Topic Models -- Online Learning of Weighted Relational Rules for Complex Event Recognition -- Toward Interpretable Deep Reinforcement Learning with Linear Model U-Trees -- Online Feature Selection by Adaptive Sub-gradient Methods -- Frame-based Optimal Design -- Hierarchical Active Learning with Proportion Feedback on Regions -- Pattern and Sequence Mining -- An Efficient Algorithm for Computing Entropic Measures of Feature Subsets -- Anytime Subgroup Discovery in Numerical Domains with Guarantees -- Discovering Spatio-Temporal Latent Influence in Geographical Attention Dynamics -- Mining Periodic Patterns with a MDL Criterion -- Revisiting Conditional Functional Dependency Discovery: Splitting the "C" from the "FD" -- Sqn2Vec: Learning Sequence Representation via Sequential Patterns with a Gap Constraint -- Mining Tree Patterns with Partially Injective Homomorphisms -- Probabilistic Models and Statistical Methods -- Variational Bayes for Mixture Models with Censored Data -- Exploration Enhanced Expected Improvement for Bayesian Optimization -- A Left-to-right Algorithm for Likelihood Estimation in Gamma-Poisson Factor Analysis -- Causal Inference on Multivariate and Mixed-Type Data -- Recommender Systems -- POLAR: Attention-based CNN for One-shot Personalized Article Recommendation -- Learning Multi-granularity Dynamic Network Representations for Social Recommendation -- GeoDCF: Deep Collaborative Filtering with Multifaceted Contextual Information in Location-based Social Networks -- Personalized Thread Recommendation for MOOC Discussion Forums -- Inferring Continuous Latent Preference on Transition Intervals for Next Point-of-Interest Recommendation -- Transfer Learning -- Feature Selection for Unsupervised Domain Adaptation using Optimal Transport -- Towards more Reliable Transfer Learning -- Differentially Private Hypothesis Transfer Learning -- Information-theoretic Transfer Learning framework for Bayesian Optimisation -- A Unified Framework for Domain Adaptation using Metric Learning on Manifolds. 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

---

1 (1 - 2 / 2) Par page : 25 50 100 200