Información del autor
Autor Yang, Qiang |
Documentos disponibles escritos por este autor (5)
Crear una solicitud de compra Refinar búsquedaAdvances in Knowledge Discovery and Data Mining / Yang, Qiang ; Zhou, Zhi-Hua ; Gong, Zhiguo ; Zhang, Min-Ling ; Huang, Sheng-Jun
TÃtulo : Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part I Tipo de documento: documento electrónico Autores: Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XL, 627 p. 310 ilustraciones, 146 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-16148-4 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: Inteligencia artificial Procesamiento de datos Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part I [documento electrónico] / Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, . - 1 ed. . - [s.l.] : Springer, 2019 . - XL, 627 p. 310 ilustraciones, 146 ilustraciones en color.
ISBN : 978-3-030-16148-4
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: Inteligencia artificial Procesamiento de datos Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part II Tipo de documento: documento electrónico Autores: Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXIX, 631 p. 249 ilustraciones, 172 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-16145-3 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 Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part II [documento electrónico] / Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXIX, 631 p. 249 ilustraciones, 172 ilustraciones en color.
ISBN : 978-3-030-16145-3
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 Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part III Tipo de documento: documento electrónico Autores: Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXVIII, 556 p. 258 ilustraciones, 159 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-16142-2 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 Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Knowledge Discovery and Data Mining : 23rd Pacific-Asia Conference, PAKDD 2019, Macau, China, April 14-17, 2019, Proceedings, Part III [documento electrónico] / Yang, Qiang, ; Zhou, Zhi-Hua, ; Gong, Zhiguo, ; Zhang, Min-Ling, ; Huang, Sheng-Jun, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXVIII, 556 p. 258 ilustraciones, 159 ilustraciones en color.
ISBN : 978-3-030-16142-2
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 Software de la aplicacion Visión por computador Ciencias sociales Protección de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Aplicación informática en ciencias sociales y del comportamiento. Seguridad de datos e información Clasificación: 006.3 Resumen: El conjunto de tres volúmenes LNAI 11439, 11440 y 11441 constituye las actas minuciosamente arbitradas de la 23.ª Conferencia PacÃfico-Asia sobre Descubrimiento de Conocimiento y MinerÃa de Datos, PAKDD 2019, celebrada en Macao, China, en abril de 2019. Los 137 artÃculos completos presentados fueron cuidadosamente revisado y seleccionado entre 542 presentaciones. Los artÃculos presentan nuevas ideas, resultados de investigación originales y experiencias prácticas de desarrollo de todas las áreas relacionadas con KDD, incluida la minerÃa de datos, el almacenamiento de datos, el aprendizaje automático, la inteligencia artificial, las bases de datos, las estadÃsticas, la ingenierÃa del conocimiento, la visualización, los sistemas de toma de decisiones y los emergentes. aplicaciones. Están organizados en las siguientes secciones temáticas: clasificación y aprendizaje supervisado; minerÃa de textos y opiniones; minerÃa de datos espacio-temporales y de flujos; análisis factorial y tensorial; salud, bioinformática y temas afines; agrupación y detección de anomalÃas; modelos y aplicaciones de aprendizaje profundo; minerÃa de patrones secuenciales; aprendizaje débilmente supervisado; sistema de recomendación; minerÃa de gráficos y redes sociales; preprocesamiento de datos y selección de funciones; aprendizaje e incorporación de representaciones; extraer datos no estructurados y semiestructurados; minerÃa de datos de comportamiento; minerÃa de datos visuales; y gráfico de conocimiento y minerÃa de datos interpretables. Tipo de medio : Computadora Summary : The three-volume set LNAI 11439, 11440, and 11441 constitutes the thoroughly refereed proceedings of the 23rd Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2019, held in Macau, China, in April 2019. The 137 full papers presented were carefully reviewed and selected from 542 submissions. The papers present new ideas, original research results, and practical development experiences from all KDD related areas, including data mining, data warehousing, machine learning, artificial intelligence, databases, statistics, knowledge engineering, visualization, decision-making systems, and the emerging applications. They are organized in the following topical sections: classification and supervised learning; text and opinion mining; spatio-temporal and stream data mining; factor and tensor analysis; healthcare, bioinformatics and related topics; clustering and anomaly detection; deep learning models and applications; sequential pattern mining; weakly supervised learning; recommender system; social network and graph mining; data pre-processing and feature selection; representation learning and embedding; mining unstructured and semi-structured data; behavioral data mining; visual data mining; and knowledge graph and interpretable data mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Artificial Intelligence : First CCF International Conference, ICAI 2018, Jinan, China, August 9-10, 2018, Proceedings Tipo de documento: documento electrónico Autores: Zhou, Zhi-Hua, ; Yang, Qiang, ; Gao, Yang, ; Zheng, Yu, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2018 Número de páginas: XII, 233 p. 65 ilustraciones ISBN/ISSN/DL: 978-981-1321221-- 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 Informática Matemáticas discretas Algoritmos Inteligencia artificial MinerÃa de datos y descubrimiento de conocimientos Matemáticas discretas en informática Ciencia de los datos Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas de la Primera Conferencia Internacional CCF sobre Inteligencia Artificial, CCF-ICAI 2018, celebrada en Jinan, China, en agosto de 2018. Los 17 artÃculos presentados fueron cuidadosamente revisados ​​y seleccionados entre 82 presentaciones. Los artÃculos están organizados en secciones temáticas sobre aprendizaje no supervisado, aprendizaje semisupervisado y basado en gráficos, redes neuronales y aprendizaje profundo, planificación y optimización, aplicaciones de inteligencia artificial. Nota de contenido: Unsupervised learning -- Graph-based and semi-supervised learning -- Neural networks and deep learning -- Planning and optimization -- AI applications. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the First CCF International Conference on Artificial Intelligence, CCF-ICAI 2018, held in Jinan, China in August, 2018. The 17 papers presented were carefully reviewed and selected from 82 submissions. The papers are organized in topical sections on unsupervised learning, graph-based and semi-supervised learning, neural networks and deep learning, planning and optimization, AI applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Artificial Intelligence : First CCF International Conference, ICAI 2018, Jinan, China, August 9-10, 2018, Proceedings [documento electrónico] / Zhou, Zhi-Hua, ; Yang, Qiang, ; Gao, Yang, ; Zheng, Yu, . - 1 ed. . - Singapore [Malasya] : Springer, 2018 . - XII, 233 p. 65 ilustraciones.
ISBN : 978-981-1321221--
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 Informática Matemáticas discretas Algoritmos Inteligencia artificial MinerÃa de datos y descubrimiento de conocimientos Matemáticas discretas en informática Ciencia de los datos Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas de la Primera Conferencia Internacional CCF sobre Inteligencia Artificial, CCF-ICAI 2018, celebrada en Jinan, China, en agosto de 2018. Los 17 artÃculos presentados fueron cuidadosamente revisados ​​y seleccionados entre 82 presentaciones. Los artÃculos están organizados en secciones temáticas sobre aprendizaje no supervisado, aprendizaje semisupervisado y basado en gráficos, redes neuronales y aprendizaje profundo, planificación y optimización, aplicaciones de inteligencia artificial. Nota de contenido: Unsupervised learning -- Graph-based and semi-supervised learning -- Neural networks and deep learning -- Planning and optimization -- AI applications. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the First CCF International Conference on Artificial Intelligence, CCF-ICAI 2018, held in Jinan, China in August, 2018. The 17 papers presented were carefully reviewed and selected from 82 submissions. The papers are organized in topical sections on unsupervised learning, graph-based and semi-supervised learning, neural networks and deep learning, planning and optimization, AI applications. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Federated Learning : Privacy and Incentive Tipo de documento: documento electrónico Autores: Yang, Qiang, ; Fan, Lixin, ; Yu, Han, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 286 p. 94 ilustraciones, 82 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-63076-8 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 Protección de datos Red de computadoras Ciencias sociales Software de la aplicacion Seguridad de datos e información Redes de comunicación informática Aplicación informática en ciencias sociales y del comportamiento. Aplicaciones informáticas y de sistemas de información Clasificación: 006.3 Resumen: Este libro proporciona una introducción completa e independiente al aprendizaje federado, que abarca desde los conocimientos y teorÃas básicos hasta diversas aplicaciones clave, y los factores de privacidad e incentivos son el foco de todo el libro. Este libro es necesario en el momento oportuno, ya que el aprendizaje federado se está volviendo popular después de la publicación del Reglamento general de protección de datos (GDPR). El aprendizaje federado tiene como objetivo permitir que un modelo de máquina se entrene de forma colaborativa sin que cada parte exponga datos privados a otros. Esta configuración cumple con los requisitos reglamentarios de protección de la privacidad de datos, como el RGPD. Este libro contiene tres partes principales. En primer lugar, introduce diferentes métodos de preservación de la privacidad para proteger un modelo de aprendizaje federado contra diferentes tipos de ataques, como fuga de datos y/o envenenamiento de datos. En segundo lugar, el libro presenta mecanismos de incentivos que tienen como objetivo alentar a las personas a participar en los ecosistemas de aprendizaje federado. Por último, pero no menos importante, este libro también describe cómo se puede aplicar el aprendizaje federado en la industria y los negocios para abordar los problemas de preservación de la privacidad y los silos de datos. El libro está dirigido a lectores tanto del mundo académico como de la industria que deseen aprender el aprendizaje federado desde cero, practicar su implementación y aplicarlo en su propio negocio. Se espera que los lectores tengan algunos conocimientos básicos de álgebra lineal, cálculo y redes neuronales. Además, se prefieren conocimientos de dominio en FinTech y marketing. Nota de contenido: Privacy -- Threats to Federated Learning -- Rethinking Gradients Safety in Federated Learning -- Rethinking Privacy Preserving Deep Learning: How to Evaluate and Thwart Privacy Attacks -- Task-Agnostic Privacy-Preserving Representation Learning via Federated Learning -- Large-Scale Kernel Method for Vertical Federated Learning -- Towards Byzantine-resilient Federated Learning via Group-wise Robust Aggregation -- Federated Soft Gradient Boosting Machine for Streaming Data -- Dealing with Label Quality Disparity In Federated Learning -- Incentive -- FedCoin: A Peer-to-Peer Payment System for Federated Learning -- Efficient and Fair Data Valuation for Horizontal Federated Learning -- A Principled Approach to Data Valuation for Federated Learning -- A Gamified Research Tool for Incentive Mechanism Design in Federated Learning -- Budget-bounded Incentives for Federated Learning -- Collaborative Fairness in Federated Learning -- A Game-Theoretic Framework for Incentive Mechanism Design in Federated Learning -- Applications -- Federated Recommendation Systems -- Federated Learning for Open Banking -- Building ICU In-hospital Mortality Prediction Model with Federated Learning -- Privacy-preserving Stacking with Application to Cross-organizational Diabetes Prediction. . Tipo de medio : Computadora Summary : This book provides a comprehensive and self-contained introduction to Federated Learning, ranging from the basic knowledge and theories to various key applications, and the privacy and incentive factors are the focus of the whole book. This book is timely needed since Federated Learning is getting popular after the release of the General Data Protection Regulation (GDPR). As Federated Learning aims to enable a machine model to be collaboratively trained without each party exposing private data to others. This setting adheres to regulatory requirements of data privacy protection such as GDPR. This book contains three main parts. First, it introduces different privacy-preserving methods for protecting a Federated Learning model against different types of attacks such as Data Leakage and/or Data Poisoning. Second, the book presents incentive mechanisms which aim to encourage individuals to participate in the Federated Learning ecosystems. Last but not the least, this book also describeshow Federated Learning can be applied in industry and business to address data silo and privacy-preserving problems. The book is intended for readers from both academia and industries, who would like to learn federated learning from scratch, practice its implementation, and apply it in their own business. Readers are expected to have some basic understanding of linear algebra, calculus, and neural network. Additionally, domain knowledge in FinTech and marketing are preferred. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Federated Learning : Privacy and Incentive [documento electrónico] / Yang, Qiang, ; Fan, Lixin, ; Yu, Han, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 286 p. 94 ilustraciones, 82 ilustraciones en color.
ISBN : 978-3-030-63076-8
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 Protección de datos Red de computadoras Ciencias sociales Software de la aplicacion Seguridad de datos e información Redes de comunicación informática Aplicación informática en ciencias sociales y del comportamiento. Aplicaciones informáticas y de sistemas de información Clasificación: 006.3 Resumen: Este libro proporciona una introducción completa e independiente al aprendizaje federado, que abarca desde los conocimientos y teorÃas básicos hasta diversas aplicaciones clave, y los factores de privacidad e incentivos son el foco de todo el libro. Este libro es necesario en el momento oportuno, ya que el aprendizaje federado se está volviendo popular después de la publicación del Reglamento general de protección de datos (GDPR). El aprendizaje federado tiene como objetivo permitir que un modelo de máquina se entrene de forma colaborativa sin que cada parte exponga datos privados a otros. Esta configuración cumple con los requisitos reglamentarios de protección de la privacidad de datos, como el RGPD. Este libro contiene tres partes principales. En primer lugar, introduce diferentes métodos de preservación de la privacidad para proteger un modelo de aprendizaje federado contra diferentes tipos de ataques, como fuga de datos y/o envenenamiento de datos. En segundo lugar, el libro presenta mecanismos de incentivos que tienen como objetivo alentar a las personas a participar en los ecosistemas de aprendizaje federado. Por último, pero no menos importante, este libro también describe cómo se puede aplicar el aprendizaje federado en la industria y los negocios para abordar los problemas de preservación de la privacidad y los silos de datos. El libro está dirigido a lectores tanto del mundo académico como de la industria que deseen aprender el aprendizaje federado desde cero, practicar su implementación y aplicarlo en su propio negocio. Se espera que los lectores tengan algunos conocimientos básicos de álgebra lineal, cálculo y redes neuronales. Además, se prefieren conocimientos de dominio en FinTech y marketing. Nota de contenido: Privacy -- Threats to Federated Learning -- Rethinking Gradients Safety in Federated Learning -- Rethinking Privacy Preserving Deep Learning: How to Evaluate and Thwart Privacy Attacks -- Task-Agnostic Privacy-Preserving Representation Learning via Federated Learning -- Large-Scale Kernel Method for Vertical Federated Learning -- Towards Byzantine-resilient Federated Learning via Group-wise Robust Aggregation -- Federated Soft Gradient Boosting Machine for Streaming Data -- Dealing with Label Quality Disparity In Federated Learning -- Incentive -- FedCoin: A Peer-to-Peer Payment System for Federated Learning -- Efficient and Fair Data Valuation for Horizontal Federated Learning -- A Principled Approach to Data Valuation for Federated Learning -- A Gamified Research Tool for Incentive Mechanism Design in Federated Learning -- Budget-bounded Incentives for Federated Learning -- Collaborative Fairness in Federated Learning -- A Game-Theoretic Framework for Incentive Mechanism Design in Federated Learning -- Applications -- Federated Recommendation Systems -- Federated Learning for Open Banking -- Building ICU In-hospital Mortality Prediction Model with Federated Learning -- Privacy-preserving Stacking with Application to Cross-organizational Diabetes Prediction. . Tipo de medio : Computadora Summary : This book provides a comprehensive and self-contained introduction to Federated Learning, ranging from the basic knowledge and theories to various key applications, and the privacy and incentive factors are the focus of the whole book. This book is timely needed since Federated Learning is getting popular after the release of the General Data Protection Regulation (GDPR). As Federated Learning aims to enable a machine model to be collaboratively trained without each party exposing private data to others. This setting adheres to regulatory requirements of data privacy protection such as GDPR. This book contains three main parts. First, it introduces different privacy-preserving methods for protecting a Federated Learning model against different types of attacks such as Data Leakage and/or Data Poisoning. Second, the book presents incentive mechanisms which aim to encourage individuals to participate in the Federated Learning ecosystems. Last but not the least, this book also describeshow Federated Learning can be applied in industry and business to address data silo and privacy-preserving problems. The book is intended for readers from both academia and industries, who would like to learn federated learning from scratch, practice its implementation, and apply it in their own business. Readers are expected to have some basic understanding of linear algebra, calculus, and neural network. Additionally, domain knowledge in FinTech and marketing are preferred. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
