Autor Deville, Yannick
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda14th International Conference, LVA/ICA 2018, Guildford, UK, July 2–5, 2018, Proceedings / Deville, Yannick ; Gannot, Sharon ; Mason, Russell ; Plumbley, Mark D. ; Ward, Dominic
Título : 14th International Conference, LVA/ICA 2018, Guildford, UK, July 2–5, 2018, Proceedings Tipo de documento: documento electrónico Autores: Deville, Yannick, ; Gannot, Sharon, ; Mason, Russell, ; Plumbley, Mark D., ; Ward, Dominic, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVII, 580 p. 150 ilustraciones ISBN/ISSN/DL: 978-3-319-93764-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de reconocimiento de patrones Visión por computador Inteligencia artificial Simulación por ordenador Análisis numérico Red de computadoras Reconocimiento de patrones automatizado Modelado por computadora Redes de comunicación informática Índice Dewey: 006.4 Reconocimiento de patrones por computador Resumen: Este libro constituye las actas de la 14.ª Conferencia Internacional sobre Análisis de Variables Latentes y Separación de Señales, LVA/ICA 2018, celebrada en Guildford, Reino Unido, en julio de 2018. Los 52 artículos completos fueron cuidadosamente revisados y seleccionados de 62 presentaciones iniciales. Como temas de investigación, los artículos abarcan una amplia gama de mezclas generales de modelos de variables latentes, pero también teorías y herramientas extraídas de una gran variedad de disciplinas, como descomposiciones y aplicaciones de tensores estructurados; factorizaciones matriciales y tensoriales; métodos ICA; mezclas no lineales; datos y métodos de audio; campaña de evaluación de separación de señales; métodos de aprendizaje profundo y basados en datos; avances en recuperación de fases y aplicaciones; métodos relacionados con la escasez; y datos y métodos biomédicos. Nota de contenido: Structured Tensor Decompositions and Applications -- Matrix and Tensor Factorizations -- ICA Methods -- Nonlinear Mixtures -- Audio Data and Methods -- Signal Separation Evaluation Campaign -- Deep Learning and Data-driven Methods -- Advances in Phase Retrieval and Applications -- Sparsity-Related Methods -- Biomedical Data and Methods. 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 14th International Conference, LVA/ICA 2018, Guildford, UK, July 2–5, 2018, Proceedings [documento electrónico] / Deville, Yannick, ; Gannot, Sharon, ; Mason, Russell, ; Plumbley, Mark D., ; Ward, Dominic, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVII, 580 p. 150 ilustraciones.
ISBN : 978-3-319-93764-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Sistemas de reconocimiento de patrones Visión por computador Inteligencia artificial Simulación por ordenador Análisis numérico Red de computadoras Reconocimiento de patrones automatizado Modelado por computadora Redes de comunicación informática Índice Dewey: 006.4 Reconocimiento de patrones por computador Resumen: Este libro constituye las actas de la 14.ª Conferencia Internacional sobre Análisis de Variables Latentes y Separación de Señales, LVA/ICA 2018, celebrada en Guildford, Reino Unido, en julio de 2018. Los 52 artículos completos fueron cuidadosamente revisados y seleccionados de 62 presentaciones iniciales. Como temas de investigación, los artículos abarcan una amplia gama de mezclas generales de modelos de variables latentes, pero también teorías y herramientas extraídas de una gran variedad de disciplinas, como descomposiciones y aplicaciones de tensores estructurados; factorizaciones matriciales y tensoriales; métodos ICA; mezclas no lineales; datos y métodos de audio; campaña de evaluación de separación de señales; métodos de aprendizaje profundo y basados en datos; avances en recuperación de fases y aplicaciones; métodos relacionados con la escasez; y datos y métodos biomédicos. Nota de contenido: Structured Tensor Decompositions and Applications -- Matrix and Tensor Factorizations -- ICA Methods -- Nonlinear Mixtures -- Audio Data and Methods -- Signal Separation Evaluation Campaign -- Deep Learning and Data-driven Methods -- Advances in Phase Retrieval and Applications -- Sparsity-Related Methods -- Biomedical Data and Methods. 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 : Nonlinear Blind Source Separation and Blind Mixture Identification : Methods for Bilinear, Linear-quadratic and Polynomial Mixtures Tipo de documento: documento electrónico Autores: Deville, Yannick, Autor ; Duarte, Leonardo Tomazeli, Autor ; Hosseini, Shahram, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: IX, 71 p. 7 ilustraciones ISBN/ISSN/DL: 978-3-030-64977-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de la señal Procesamiento de imágenes Visión por computador Inteligencia Computacional Matemáticas Procesamiento de señales digitales y analógicas Imágenes por computadora visión reconocimiento de patrones y gráficos Matemática Computacional y Análisis Numérico Índice Dewey: 6.213.822 Resumen: Este libro proporciona un estudio detallado de los métodos que se desarrollaron recientemente para manejar versiones avanzadas del problema de separación ciega de fuentes, que involucran varios tipos de mezclas no lineales. Otra característica atractiva del libro es que se basa en un marco coherente. Más precisamente, los autores presentan primero un procedimiento general para desarrollar métodos de separación ciega de fuentes. Luego, todos los métodos informados se definen con respecto a este procedimiento. Esto permite al lector no sólo seguir más fácilmente la descripción de cada método sino también ver cómo estos métodos se relacionan entre sí. La coherencia de este libro también resulta del hecho de que en todos los capítulos se utilizan las mismas notaciones para las cantidades (señales fuente, etc.) que se utilizan en diversos métodos. Finalmente, entre los muy variados tipos de métodos de procesamiento que se presentan en este libro, una parte importante de esta descripción está dedicada a métodos basados en redes neuronales artificiales, especialmente las recurrentes, que actualmente son de gran interés para el análisis de datos y el aprendizaje automático. comunidad en general, más allá de las comunidades más específicas de procesamiento de señales y separación ciega de fuentes. Presenta configuraciones avanzadas del problema de separación ciega de fuentes, involucrando modelos de mezcla bilineal, lineal-cuadrático y polinomial; Proporciona una descripción detallada y coherente de los métodos reportados en la literatura para manejar este tipo de fenómenos de mezcla; Se centra en configuraciones complejas que implican transformaciones de mezcla no lineales. Nota de contenido: Introduction -- Expressions and variants of the linear-quadratic mixing model -- Invertibility of mixing model, separating structures -- Independent component analysis and Bayesian separation methods -- Matrix factorization methods -- Sparse component analysis methods -- Extensions and conclusion -- Bilinear Sparse Component Analysis methods based on single source zones -- Conclusion. 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 Nonlinear Blind Source Separation and Blind Mixture Identification : Methods for Bilinear, Linear-quadratic and Polynomial Mixtures [documento electrónico] / Deville, Yannick, Autor ; Duarte, Leonardo Tomazeli, Autor ; Hosseini, Shahram, Autor . - 1 ed. . - [s.l.] : Springer, 2021 . - IX, 71 p. 7 ilustraciones.
ISBN : 978-3-030-64977-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de la señal Procesamiento de imágenes Visión por computador Inteligencia Computacional Matemáticas Procesamiento de señales digitales y analógicas Imágenes por computadora visión reconocimiento de patrones y gráficos Matemática Computacional y Análisis Numérico Índice Dewey: 6.213.822 Resumen: Este libro proporciona un estudio detallado de los métodos que se desarrollaron recientemente para manejar versiones avanzadas del problema de separación ciega de fuentes, que involucran varios tipos de mezclas no lineales. Otra característica atractiva del libro es que se basa en un marco coherente. Más precisamente, los autores presentan primero un procedimiento general para desarrollar métodos de separación ciega de fuentes. Luego, todos los métodos informados se definen con respecto a este procedimiento. Esto permite al lector no sólo seguir más fácilmente la descripción de cada método sino también ver cómo estos métodos se relacionan entre sí. La coherencia de este libro también resulta del hecho de que en todos los capítulos se utilizan las mismas notaciones para las cantidades (señales fuente, etc.) que se utilizan en diversos métodos. Finalmente, entre los muy variados tipos de métodos de procesamiento que se presentan en este libro, una parte importante de esta descripción está dedicada a métodos basados en redes neuronales artificiales, especialmente las recurrentes, que actualmente son de gran interés para el análisis de datos y el aprendizaje automático. comunidad en general, más allá de las comunidades más específicas de procesamiento de señales y separación ciega de fuentes. Presenta configuraciones avanzadas del problema de separación ciega de fuentes, involucrando modelos de mezcla bilineal, lineal-cuadrático y polinomial; Proporciona una descripción detallada y coherente de los métodos reportados en la literatura para manejar este tipo de fenómenos de mezcla; Se centra en configuraciones complejas que implican transformaciones de mezcla no lineales. Nota de contenido: Introduction -- Expressions and variants of the linear-quadratic mixing model -- Invertibility of mixing model, separating structures -- Independent component analysis and Bayesian separation methods -- Matrix factorization methods -- Sparse component analysis methods -- Extensions and conclusion -- Bilinear Sparse Component Analysis methods based on single source zones -- Conclusion. 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
