Información del autor
Autor Chaudhuri, Arindam |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Bankruptcy Prediction through Soft Computing based Deep Learning Technique Tipo de documento: documento electrónico Autores: Chaudhuri, Arindam, ; Ghosh, Soumya K., Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2017 Número de páginas: XVII, 102 p. 59 ilustraciones ISBN/ISSN/DL: 978-981-10-6683-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Inteligencia artificial Simulación por ordenador Industria de servicios financieros EstadÃsticas Interfaces de usuario e interacción persona-computadora Modelado por computadora Operaciones de TI Servicios financieros EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: Resumen: Este libro propone arquitecturas jerárquicas profundas (HDA) complejas para predecir la quiebra, un tema de actualidad para las empresas y las instituciones corporativas que en el pasado se ha abordado utilizando modelos de predicción estadÃsticos, basados ​​en el mercado y con inteligencia artificial. Los HDA se forman a través de redes de replanteo profundo de tensor aproximado difuso (FRTDSN) con modelos bayesianos aproximados estructurados y jerárquicos (HRB). FRTDSN se formaliza mediante TDSN y conjuntos aproximados difusos, y HRB se forma incorporando conjuntos aproximados probabilÃsticos en un modelo bayesiano jerárquico estructurado. Luego, FRTDSN se integra con HRB para formar el modelo compuesto FRTDSN-HRB. HRB mejora la precisión de la predicción del modelo FRTDSN-HRB. Los conjuntos de datos experimentales se adoptaron de empresas constructoras coreanas y de empresas no financieras estadounidenses y europeas, y la investigación presentada se centra en el impacto de la elección de los puntos de corte, los procedimientos de muestreo y el ciclo económico en la precisión de los modelos de predicción de quiebras. El libro también destaca el hecho de que una clasificación errónea puede dar lugar a predicciones erróneas que generan costos prohibitivos para los inversores y la economÃa, y muestra que la elección del punto de corte y los procedimientos de muestreo afectan las clasificaciones de varios modelos. También sugiere que los puntos de corte empÃricos estimados a partir de muestras de entrenamiento dan como resultado los costos de clasificación errónea más bajos para todos los modelos. El libro confirma que FRTDSN-HRB logra un rendimiento superior en comparación con otros modelos estadÃsticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadÃsticos importantes que giran en diferentes ciclos y subciclos económicos para los conjuntos de datos considerados y son de inmenso beneficio para los investigadores que trabajan en esta área. Nota de contenido: Introduction -- Need of this Research -- Literature Review -- Bankruptcy Prediction Methodology -- Need for Risk Classification -- Experimental Framework: Bankruptcy Prediction using Soft Computing based Deep Learning Technique.- Datasets Used -- Experimental Results -- Conclusion . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Bankruptcy Prediction through Soft Computing based Deep Learning Technique [documento electrónico] / Chaudhuri, Arindam, ; Ghosh, Soumya K., . - 1 ed. . - Singapore [Malasya] : Springer, 2017 . - XVII, 102 p. 59 ilustraciones.
ISBN : 978-981-10-6683-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Interfaces de usuario (sistemas informáticos) La interacción persona-ordenador Inteligencia artificial Simulación por ordenador Industria de servicios financieros EstadÃsticas Interfaces de usuario e interacción persona-computadora Modelado por computadora Operaciones de TI Servicios financieros EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: Resumen: Este libro propone arquitecturas jerárquicas profundas (HDA) complejas para predecir la quiebra, un tema de actualidad para las empresas y las instituciones corporativas que en el pasado se ha abordado utilizando modelos de predicción estadÃsticos, basados ​​en el mercado y con inteligencia artificial. Los HDA se forman a través de redes de replanteo profundo de tensor aproximado difuso (FRTDSN) con modelos bayesianos aproximados estructurados y jerárquicos (HRB). FRTDSN se formaliza mediante TDSN y conjuntos aproximados difusos, y HRB se forma incorporando conjuntos aproximados probabilÃsticos en un modelo bayesiano jerárquico estructurado. Luego, FRTDSN se integra con HRB para formar el modelo compuesto FRTDSN-HRB. HRB mejora la precisión de la predicción del modelo FRTDSN-HRB. Los conjuntos de datos experimentales se adoptaron de empresas constructoras coreanas y de empresas no financieras estadounidenses y europeas, y la investigación presentada se centra en el impacto de la elección de los puntos de corte, los procedimientos de muestreo y el ciclo económico en la precisión de los modelos de predicción de quiebras. El libro también destaca el hecho de que una clasificación errónea puede dar lugar a predicciones erróneas que generan costos prohibitivos para los inversores y la economÃa, y muestra que la elección del punto de corte y los procedimientos de muestreo afectan las clasificaciones de varios modelos. También sugiere que los puntos de corte empÃricos estimados a partir de muestras de entrenamiento dan como resultado los costos de clasificación errónea más bajos para todos los modelos. El libro confirma que FRTDSN-HRB logra un rendimiento superior en comparación con otros modelos estadÃsticos y de computación blanda. Los resultados experimentales se dan en términos de varios parámetros estadÃsticos importantes que giran en diferentes ciclos y subciclos económicos para los conjuntos de datos considerados y son de inmenso beneficio para los investigadores que trabajan en esta área. Nota de contenido: Introduction -- Need of this Research -- Literature Review -- Bankruptcy Prediction Methodology -- Need for Risk Classification -- Experimental Framework: Bankruptcy Prediction using Soft Computing based Deep Learning Technique.- Datasets Used -- Experimental Results -- Conclusion . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Optical Character Recognition Systems for Different Languages with Soft Computing / Chaudhuri, Arindam
TÃtulo : Optical Character Recognition Systems for Different Languages with Soft Computing Tipo de documento: documento electrónico Autores: Chaudhuri, Arindam, ; Mandaviya, Krupa, ; Badelia, Pratixa, ; K Ghosh, Soumya, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIX, 248 p. 95 ilustraciones ISBN/ISSN/DL: 978-3-319-50252-6 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 Computacional Sistemas de reconocimiento de patrones LigüÃstica computacional Inteligencia artificial Reconocimiento de patrones automatizado Clasificación: Resumen: El libro ofrece un estudio completo de los modelos de computación blanda para sistemas de reconocimiento óptico de caracteres. Las diversas técnicas, incluidos conjuntos difusos y aproximados, redes neuronales artificiales y algoritmos genéticos, se prueban utilizando textos reales escritos en diferentes idiomas, como inglés, francés, alemán, latÃn, hindi y gujrati, que han sido extraÃdos de conjuntos de datos disponibles públicamente. Los estudios de simulación, que se detallan aquÃ, muestran que el modelado de sistemas OCR basado en computación suave funciona consistentemente mejor que los modelos tradicionales. Diseñado principalmente como un estudio sobre el estado del arte para posgraduados e investigadores en reconocimiento de patrones, reconocimiento óptico de caracteres y computación blanda, este libro será útil tanto para los profesionales de la visión por computadora como para el procesamiento de imágenes, al tratar diferentes temas relacionados con el reconocimiento óptico de caracteres. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Optical Character Recognition Systems for Different Languages with Soft Computing [documento electrónico] / Chaudhuri, Arindam, ; Mandaviya, Krupa, ; Badelia, Pratixa, ; K Ghosh, Soumya, . - 1 ed. . - [s.l.] : Springer, 2017 . - XIX, 248 p. 95 ilustraciones.
ISBN : 978-3-319-50252-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia Computacional Sistemas de reconocimiento de patrones LigüÃstica computacional Inteligencia artificial Reconocimiento de patrones automatizado Clasificación: Resumen: El libro ofrece un estudio completo de los modelos de computación blanda para sistemas de reconocimiento óptico de caracteres. Las diversas técnicas, incluidos conjuntos difusos y aproximados, redes neuronales artificiales y algoritmos genéticos, se prueban utilizando textos reales escritos en diferentes idiomas, como inglés, francés, alemán, latÃn, hindi y gujrati, que han sido extraÃdos de conjuntos de datos disponibles públicamente. Los estudios de simulación, que se detallan aquÃ, muestran que el modelado de sistemas OCR basado en computación suave funciona consistentemente mejor que los modelos tradicionales. Diseñado principalmente como un estudio sobre el estado del arte para posgraduados e investigadores en reconocimiento de patrones, reconocimiento óptico de caracteres y computación blanda, este libro será útil tanto para los profesionales de la visión por computadora como para el procesamiento de imágenes, al tratar diferentes temas relacionados con el reconocimiento óptico de caracteres. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks Tipo de documento: documento electrónico Autores: Chaudhuri, Arindam, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2019 Número de páginas: XIX, 98 p. 49 ilustraciones, 42 ilustraciones en color. ISBN/ISSN/DL: 978-981-1374746-- 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 almacenamiento y recuperación de información Gestión de base de datos Procesamiento de datos Sistemas de reconocimiento de patrones Almacenamiento y recuperación de información MinerÃa de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Clasificación: Resumen: Este libro presenta las últimas investigaciones sobre aprendizaje profundo jerárquico para el análisis de sentimientos multimodal. Además, analiza los sentimientos en los blogs de Twitter a partir de contenido textual y visual utilizando redes jerárquicas de aprendizaje profundo: redes neuronales recurrentes de retroalimentación cerrada jerárquica (HGFRNN). Hasta la fecha se han realizado varios estudios sobre aprendizaje profundo, pero la mayorÃa de los métodos actuales se centran únicamente en contenido textual o únicamente en contenido visual. Por el contrario, el modelo de análisis de sentimientos propuesto se puede aplicar a cualquier conjunto de datos de blogs sociales, lo que hace que el libro sea muy beneficioso para estudiantes de posgrado e investigadores en aprendizaje profundo y análisis de sentimientos. La abstracción matemática del modelo de análisis de sentimientos se presenta de manera muy lúcida. Los sentimientos completos se analizan combinando resultados de predicción visuales y de texto. La novedad del libro radica en el desarrollo de innovadoras redes neuronales recurrentes jerárquicas para analizar sentimientos; apilamiento de múltiples capas recurrentes controlando el flujo de señal desde las capas recurrentes superiores a las capas inferiores a través de una unidad de activación global; evaluación de HGFRNN con diferentes tipos de unidades recurrentes; y asignación adaptativa de capas HGFRNN a diferentes escalas de tiempo. Teniendo en cuenta la necesidad de aprovechar el contenido multimedia social a gran escala para el análisis de sentimientos, se utilizan técnicas de análisis de sentimientos tanto visuales como textuales de última generación para el análisis conjunto de sentimientos visual y textual. El método propuesto arroja resultados prometedores a partir de conjuntos de datos de Twitter que incluyen tanto textos como imágenes, que respaldan la hipótesis teórica. Nota de contenido: Chapter1. Introduction -- Chapter 2. Current State of Art -- Chapter 3. Literature Review -- Chapter 4. Twitter Datasets Used -- Chapter 5. Visual and Text Sentiment Analysis -- Chapter 6. Experimental Setup: Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks -- Chapter 7. Twitter Datasets Used -- Chapter 8. Experimental Results -- Chapter 9. Conclusion. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks [documento electrónico] / Chaudhuri, Arindam, . - 1 ed. . - Singapore [Malasya] : Springer, 2019 . - XIX, 98 p. 49 ilustraciones, 42 ilustraciones en color.
ISBN : 978-981-1374746--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Sistemas de almacenamiento y recuperación de información Gestión de base de datos Procesamiento de datos Sistemas de reconocimiento de patrones Almacenamiento y recuperación de información MinerÃa de datos y descubrimiento de conocimientos Reconocimiento de patrones automatizado Clasificación: Resumen: Este libro presenta las últimas investigaciones sobre aprendizaje profundo jerárquico para el análisis de sentimientos multimodal. Además, analiza los sentimientos en los blogs de Twitter a partir de contenido textual y visual utilizando redes jerárquicas de aprendizaje profundo: redes neuronales recurrentes de retroalimentación cerrada jerárquica (HGFRNN). Hasta la fecha se han realizado varios estudios sobre aprendizaje profundo, pero la mayorÃa de los métodos actuales se centran únicamente en contenido textual o únicamente en contenido visual. Por el contrario, el modelo de análisis de sentimientos propuesto se puede aplicar a cualquier conjunto de datos de blogs sociales, lo que hace que el libro sea muy beneficioso para estudiantes de posgrado e investigadores en aprendizaje profundo y análisis de sentimientos. La abstracción matemática del modelo de análisis de sentimientos se presenta de manera muy lúcida. Los sentimientos completos se analizan combinando resultados de predicción visuales y de texto. La novedad del libro radica en el desarrollo de innovadoras redes neuronales recurrentes jerárquicas para analizar sentimientos; apilamiento de múltiples capas recurrentes controlando el flujo de señal desde las capas recurrentes superiores a las capas inferiores a través de una unidad de activación global; evaluación de HGFRNN con diferentes tipos de unidades recurrentes; y asignación adaptativa de capas HGFRNN a diferentes escalas de tiempo. Teniendo en cuenta la necesidad de aprovechar el contenido multimedia social a gran escala para el análisis de sentimientos, se utilizan técnicas de análisis de sentimientos tanto visuales como textuales de última generación para el análisis conjunto de sentimientos visual y textual. El método propuesto arroja resultados prometedores a partir de conjuntos de datos de Twitter que incluyen tanto textos como imágenes, que respaldan la hipótesis teórica. Nota de contenido: Chapter1. Introduction -- Chapter 2. Current State of Art -- Chapter 3. Literature Review -- Chapter 4. Twitter Datasets Used -- Chapter 5. Visual and Text Sentiment Analysis -- Chapter 6. Experimental Setup: Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks -- Chapter 7. Twitter Datasets Used -- Chapter 8. Experimental Results -- Chapter 9. Conclusion. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
