Información del autor
Autor Fernández, Alberto |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsquedaAdvances in Intelligent Data Analysis XIX / Abreu, Pedro Henriques ; Rodrigues, Pedro Pereira ; Fernández, Alberto ; Gama, João
TÃtulo : Advances in Intelligent Data Analysis XIX : 19th International Symposium on Intelligent Data Analysis, IDA 2021, Porto, Portugal, April 26–28, 2021, Proceedings / Tipo de documento: documento electrónico Autores: Abreu, Pedro Henriques, ; Rodrigues, Pedro Pereira, ; Fernández, Alberto, ; Gama, João, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XVI, 454 p. 138 ilustraciones, 107 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-74251-5 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: Gestión de base de datos Ciencias sociales Algoritmos Procesamiento del lenguaje natural (Informática) Aplicación informática en ciencias sociales y del comportamiento. Diseño y Análisis de Algoritmos Computadoras y Educación Procesamiento del lenguaje natural (PNL) Clasificación: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro constituye las actas del 19º Simposio Internacional sobre Análisis Inteligente de Datos, IDA 2021, que estaba previsto que tuviera lugar en Oporto, Portugal. Debido a la pandemia de COVID-19, la conferencia se llevó a cabo en lÃnea del 26 al 28 de abril de 2021. Los 35 artÃculos incluidos en este libro fueron cuidadosamente revisados ​​y seleccionados entre 113 presentaciones. Los artÃculos se organizaron en secciones temáticas denominadas: modelado con redes neuronales; modelado con aprendizaje estadÃstico; lenguaje de modelado y gráficos; y modelado de formatos de datos especiales. Nota de contenido: Modeling with Neural Networks -- Hyperspherical Weight Uncertainty in Neural Networks -- Partially Monotonic Learning for Neural Networks -- Multiple-Manifold Generation with an Ensemble GAN and Learned Noise Prior -- Simple, Efficient and Convenient Decentralized Multi-Task Learning for Neural Networks -- Deep Hybrid Neural Networks with Improved Weighted Word Embeddings for Sentiment Analysis -- Explaining Neural Networks by Decoding Layer Activations -- Analogical Embedding for Analogy-based Learning to Rank -- HORUS-NER: A Multimodal Named Entity Recognition Framework for Noisy Data -- Modeling with Statistical Learning -- Incremental Search Space Construction for Machine Learning Pipeline Synthesis -- Adversarial Vulnerability of Active Transfer Learning -- Revisiting Non-Specific Syndromic Surveillance -- Gradient Ascent for Best Response Regression -- Intelligent Structural Damage Detection: a Federated Learning Approach -- Composite surrogate for likelihood-freeBayesian optimisation in high-dimensional settings of activity-based transportation models -- Active Selection of Classification Features -- Feature Selection for Hierarchical Multi-Label Classification -- Bandit Algorithm for Both Unknown Best Position and Best Item Display on Web Pages -- Performance prediction for hardware-software configurations: A case study for video games -- avatar / Automated Feature Wrangling for Machine Learning -- Modeling Language and Graphs -- Semantically Enriching Embeddings of Highly In ectable Verbs for Improving Intent Detection in a Romanian Home Assistant Scenario -- BoneBert: A BERT-based Automated Information Extraction System of Radiology Reports for Bone Fracture Detection and Diagnosis -- Linking the Dynamics of User Stance to the Structure of Online Discussions -- Unsupervised Methods for the Study of Transformer Embeddings -- A Framework for Authorial Clustering of Shorter Texts in Latent Semantic Spaces -- DeepGG: a Deep Graph Generator -- SINr: fast computing of Sparse Interpretable Node Representations is not a sin -- Detection of contextual anomalies in attributed graphs -- Ising-Based Louvain Method: Clustering Large Graphs with Specialized Hardware -- Modeling Special Data Formats -- Reducing Negative Impact of Noise in Boolean Matrix Factorization with Association Rules -- Z-Hist: A Temporal Abstraction of Multivariate Histogram Snapshots -- muppets: Multipurpose Table Segmentation -- SpLyCI: Integrating Spreadsheets by Recognising and Solving Layout Constraints -- RTL: A Robust Time Series Labeling Algorithm -- The Compromise of Data Privacy in Predictive Performance -- Efficient Privacy Preserving Distributed K-Means for Non-IID Data. Tipo de medio : Computadora Summary : This book constitutes the proceedings of the 19th International Symposium on Intelligent Data Analysis, IDA 2021, which was planned to take place in Porto, Portugal. Due to the COVID-19 pandemic the conference was held online during April 26-28, 2021. The 35 papers included in this book were carefully reviewed and selected from 113 submissions. The papers were organized in topical sections named: modeling with neural networks; modeling with statistical learning; modeling language and graphs; and modeling special data formats. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Intelligent Data Analysis XIX : 19th International Symposium on Intelligent Data Analysis, IDA 2021, Porto, Portugal, April 26–28, 2021, Proceedings / [documento electrónico] / Abreu, Pedro Henriques, ; Rodrigues, Pedro Pereira, ; Fernández, Alberto, ; Gama, João, . - 1 ed. . - [s.l.] : Springer, 2021 . - XVI, 454 p. 138 ilustraciones, 107 ilustraciones en color.
ISBN : 978-3-030-74251-5
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: Gestión de base de datos Ciencias sociales Algoritmos Procesamiento del lenguaje natural (Informática) Aplicación informática en ciencias sociales y del comportamiento. Diseño y Análisis de Algoritmos Computadoras y Educación Procesamiento del lenguaje natural (PNL) Clasificación: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro constituye las actas del 19º Simposio Internacional sobre Análisis Inteligente de Datos, IDA 2021, que estaba previsto que tuviera lugar en Oporto, Portugal. Debido a la pandemia de COVID-19, la conferencia se llevó a cabo en lÃnea del 26 al 28 de abril de 2021. Los 35 artÃculos incluidos en este libro fueron cuidadosamente revisados ​​y seleccionados entre 113 presentaciones. Los artÃculos se organizaron en secciones temáticas denominadas: modelado con redes neuronales; modelado con aprendizaje estadÃstico; lenguaje de modelado y gráficos; y modelado de formatos de datos especiales. Nota de contenido: Modeling with Neural Networks -- Hyperspherical Weight Uncertainty in Neural Networks -- Partially Monotonic Learning for Neural Networks -- Multiple-Manifold Generation with an Ensemble GAN and Learned Noise Prior -- Simple, Efficient and Convenient Decentralized Multi-Task Learning for Neural Networks -- Deep Hybrid Neural Networks with Improved Weighted Word Embeddings for Sentiment Analysis -- Explaining Neural Networks by Decoding Layer Activations -- Analogical Embedding for Analogy-based Learning to Rank -- HORUS-NER: A Multimodal Named Entity Recognition Framework for Noisy Data -- Modeling with Statistical Learning -- Incremental Search Space Construction for Machine Learning Pipeline Synthesis -- Adversarial Vulnerability of Active Transfer Learning -- Revisiting Non-Specific Syndromic Surveillance -- Gradient Ascent for Best Response Regression -- Intelligent Structural Damage Detection: a Federated Learning Approach -- Composite surrogate for likelihood-freeBayesian optimisation in high-dimensional settings of activity-based transportation models -- Active Selection of Classification Features -- Feature Selection for Hierarchical Multi-Label Classification -- Bandit Algorithm for Both Unknown Best Position and Best Item Display on Web Pages -- Performance prediction for hardware-software configurations: A case study for video games -- avatar / Automated Feature Wrangling for Machine Learning -- Modeling Language and Graphs -- Semantically Enriching Embeddings of Highly In ectable Verbs for Improving Intent Detection in a Romanian Home Assistant Scenario -- BoneBert: A BERT-based Automated Information Extraction System of Radiology Reports for Bone Fracture Detection and Diagnosis -- Linking the Dynamics of User Stance to the Structure of Online Discussions -- Unsupervised Methods for the Study of Transformer Embeddings -- A Framework for Authorial Clustering of Shorter Texts in Latent Semantic Spaces -- DeepGG: a Deep Graph Generator -- SINr: fast computing of Sparse Interpretable Node Representations is not a sin -- Detection of contextual anomalies in attributed graphs -- Ising-Based Louvain Method: Clustering Large Graphs with Specialized Hardware -- Modeling Special Data Formats -- Reducing Negative Impact of Noise in Boolean Matrix Factorization with Association Rules -- Z-Hist: A Temporal Abstraction of Multivariate Histogram Snapshots -- muppets: Multipurpose Table Segmentation -- SpLyCI: Integrating Spreadsheets by Recognising and Solving Layout Constraints -- RTL: A Robust Time Series Labeling Algorithm -- The Compromise of Data Privacy in Predictive Performance -- Efficient Privacy Preserving Distributed K-Means for Non-IID Data. Tipo de medio : Computadora Summary : This book constitutes the proceedings of the 19th International Symposium on Intelligent Data Analysis, IDA 2021, which was planned to take place in Porto, Portugal. Due to the COVID-19 pandemic the conference was held online during April 26-28, 2021. The 35 papers included in this book were carefully reviewed and selected from 113 submissions. The papers were organized in topical sections named: modeling with neural networks; modeling with statistical learning; modeling language and graphs; and modeling special data formats. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Highlights of Practical Applications of Agents, Multi-Agent Systems, and Complexity: The PAAMS Collection : International Workshops of PAAMS 2018, Toledo, Spain, June 20–22, 2018, Proceedings / Tipo de documento: documento electrónico Autores: Bajo, Javier, ; Corchado, Juan M., ; Navarro MartÃnez, Elena MarÃa, ; Osaba Icedo, Eneko, ; Mathieu, Philippe, ; Hoffa-Dabrowska, Patrycja, ; Del Val, Elena, ; Giroux, Sylvain, ; Castro, Antonio J.M, ; Sánchez-Pi, Nayat, ; Julián, Vicente, ; Silveira, Ricardo Azambuja, ; Fernández, Alberto, ; Unland, Rainer, ; Fuentes-Fernández, Rubén, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XXIII, 552 p. 188 ilustraciones ISBN/ISSN/DL: 978-3-319-94779-2 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: Algoritmo comercio electrónico y negocios electrónicos Modelado por computadora IngenierÃa Informática y Redes Inteligencia artificial IngenierÃa Informática Comercio electrónico Simulación por ordenador Application software Aplicaciones informáticas y de sistemas de información Red informática Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas de los 11 talleres compartidos con la 16.ª Conferencia Internacional sobre Aplicaciones Prácticas de Agentes y Sistemas Multiagentes, PAAMS 2018, celebrada en Toledo, España, en junio de 2018. Los 47 artÃculos completos presentados fueron cuidadosamente revisados. y seleccionado entre 72 presentaciones. El volumen presenta los trabajos que han sido aceptados para los siguientes talleres: Taller sobre Agentes y Sistemas Multiagente para AAL y e-HEALTH; Taller sobre aplicaciones basadas en agentes para el transporte aéreo; Taller sobre EconomÃa Computacional de Mercados Artificiales Basados ​​en Agentes; Taller sobre Soluciones Basadas en Agentes para la Manufactura y la Cadena de Suministro; Taller sobre MAS para Redes Complejas y Computación Social; Taller sobre Sistemas Inteligentes y Fusión de Información Contextual; Taller sobre aplicaciones basadas en múltiples agentes para mercados energéticos, redes inteligentes y sistemas energéticos sostenibles; Taller sobre Entornos de Aprendizaje basados ​​en Sistemas Multiagentes; Taller sobre Ciudades Inteligentes y Agentes Inteligentes; Taller sobre Inteligencia de Enjambre y Robótica de Enjambre; Taller sobre Sistemas Multiagente y Simulación. Nota de contenido: Workshop on Agents and Multi-agent Systems for AAL and e-HEALTH -- Workshop on Agent based Applications for Air Transport -- Workshop on Agent-based Artificial Markets Computational Economics -- Workshop on Agent-Based Solutions for Manufacturing and Supply Chain -- Workshop on MAS for Complex Networks and Social Computation -- Workshop on Intelligent Systems and Context Information Fusion -- Workshop on Multi-agent based Applications for Energy Markets, Smart Grids and Sustainable Energy Systems -- Workshop on Multiagent System based Learning Environments -- Workshop on Smart Cities and Intelligent Agents -- Workshop on Swarm Intelligence and Swarm Robotics -- Workshop on Multi-Agent Systems and Simulation. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the 11 workshops co-located with the 16th International Conference on Practical Applications of Agents and Multi-Agent Systems, PAAMS 2018, held in Toledo, Spain, in June 2018. The 47 full papers presented were carefully reviewed and selected from 72 submissions. The volume presents the papers that have been accepted for the following workshops: Workshop on Agents and Multi-agent Systems for AAL and e-HEALTH; Workshop on Agent based Applications for Air Transport; Workshop on Agent-based Artificial Markets Computational Economics; Workshop on Agent-Based Solutions for Manufacturing and Supply Chain; Workshop on MAS for Complex Networks and Social Computation; Workshop on Intelligent Systems and Context Information Fusion; Workshop on Multi-agent based Applications for Energy Markets, Smart Grids and Sustainable Energy Systems; Workshop on Multiagent System based Learning Environments; Workshop on Smart Cities and Intelligent Agents; Workshop on Swarm Intelligence and Swarm Robotics; Workshop on Multi-Agent Systems and Simulation. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Highlights of Practical Applications of Agents, Multi-Agent Systems, and Complexity: The PAAMS Collection : International Workshops of PAAMS 2018, Toledo, Spain, June 20–22, 2018, Proceedings / [documento electrónico] / Bajo, Javier, ; Corchado, Juan M., ; Navarro MartÃnez, Elena MarÃa, ; Osaba Icedo, Eneko, ; Mathieu, Philippe, ; Hoffa-Dabrowska, Patrycja, ; Del Val, Elena, ; Giroux, Sylvain, ; Castro, Antonio J.M, ; Sánchez-Pi, Nayat, ; Julián, Vicente, ; Silveira, Ricardo Azambuja, ; Fernández, Alberto, ; Unland, Rainer, ; Fuentes-Fernández, Rubén, . - 1 ed. . - [s.l.] : Springer, 2018 . - XXIII, 552 p. 188 ilustraciones.
ISBN : 978-3-319-94779-2
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: Algoritmo comercio electrónico y negocios electrónicos Modelado por computadora IngenierÃa Informática y Redes Inteligencia artificial IngenierÃa Informática Comercio electrónico Simulación por ordenador Application software Aplicaciones informáticas y de sistemas de información Red informática Clasificación: 006.3 Resumen: Este libro constituye las actas arbitradas de los 11 talleres compartidos con la 16.ª Conferencia Internacional sobre Aplicaciones Prácticas de Agentes y Sistemas Multiagentes, PAAMS 2018, celebrada en Toledo, España, en junio de 2018. Los 47 artÃculos completos presentados fueron cuidadosamente revisados. y seleccionado entre 72 presentaciones. El volumen presenta los trabajos que han sido aceptados para los siguientes talleres: Taller sobre Agentes y Sistemas Multiagente para AAL y e-HEALTH; Taller sobre aplicaciones basadas en agentes para el transporte aéreo; Taller sobre EconomÃa Computacional de Mercados Artificiales Basados ​​en Agentes; Taller sobre Soluciones Basadas en Agentes para la Manufactura y la Cadena de Suministro; Taller sobre MAS para Redes Complejas y Computación Social; Taller sobre Sistemas Inteligentes y Fusión de Información Contextual; Taller sobre aplicaciones basadas en múltiples agentes para mercados energéticos, redes inteligentes y sistemas energéticos sostenibles; Taller sobre Entornos de Aprendizaje basados ​​en Sistemas Multiagentes; Taller sobre Ciudades Inteligentes y Agentes Inteligentes; Taller sobre Inteligencia de Enjambre y Robótica de Enjambre; Taller sobre Sistemas Multiagente y Simulación. Nota de contenido: Workshop on Agents and Multi-agent Systems for AAL and e-HEALTH -- Workshop on Agent based Applications for Air Transport -- Workshop on Agent-based Artificial Markets Computational Economics -- Workshop on Agent-Based Solutions for Manufacturing and Supply Chain -- Workshop on MAS for Complex Networks and Social Computation -- Workshop on Intelligent Systems and Context Information Fusion -- Workshop on Multi-agent based Applications for Energy Markets, Smart Grids and Sustainable Energy Systems -- Workshop on Multiagent System based Learning Environments -- Workshop on Smart Cities and Intelligent Agents -- Workshop on Swarm Intelligence and Swarm Robotics -- Workshop on Multi-Agent Systems and Simulation. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the 11 workshops co-located with the 16th International Conference on Practical Applications of Agents and Multi-Agent Systems, PAAMS 2018, held in Toledo, Spain, in June 2018. The 47 full papers presented were carefully reviewed and selected from 72 submissions. The volume presents the papers that have been accepted for the following workshops: Workshop on Agents and Multi-agent Systems for AAL and e-HEALTH; Workshop on Agent based Applications for Air Transport; Workshop on Agent-based Artificial Markets Computational Economics; Workshop on Agent-Based Solutions for Manufacturing and Supply Chain; Workshop on MAS for Complex Networks and Social Computation; Workshop on Intelligent Systems and Context Information Fusion; Workshop on Multi-agent based Applications for Energy Markets, Smart Grids and Sustainable Energy Systems; Workshop on Multiagent System based Learning Environments; Workshop on Smart Cities and Intelligent Agents; Workshop on Swarm Intelligence and Swarm Robotics; Workshop on Multi-Agent Systems and Simulation. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Learning from Imbalanced Data Sets Tipo de documento: documento electrónico Autores: Fernández, Alberto, ; GarcÃa, Salvador, ; Galar, Mikel, ; Prati, Ronaldo C., ; Krawczyk, Bartosz, ; Herrera, Francisco, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVIII, 377 p. 71 ilustraciones, 50 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-98074-4 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 Red de computadoras Redes de comunicación informática Clasificación: 006.3 Resumen: Este libro proporciona una visión general y comprensible del aprendizaje desequilibrado. Contiene una descripción formal de un problema y se centra en sus caracterÃsticas principales y las soluciones propuestas más relevantes. Además, considera los diferentes escenarios en Ciencia de Datos para los cuales la clasificación desequilibrada puede crear un verdadero desafÃo. Este libro enfatiza la brecha con las tareas de clasificación estándar al revisar los estudios de caso y las métricas de desempeño ad hoc que se aplican en esta área. También cubre los diferentes enfoques que se han aplicado tradicionalmente para abordar la distribución binaria de clases sesgada. EspecÃficamente, revisa el aprendizaje sensible a los costos, los métodos de preprocesamiento a nivel de datos y las soluciones a nivel de algoritmos, teniendo también en cuenta aquellas soluciones de aprendizaje conjunto que incorporan cualquiera de las primeras alternativas. Además, se centra en la extensión del problema a problemas multiclase, en los que los métodos clásicos anteriores ya no se pueden aplicar de forma sencilla. Este libro también se centra en las caracterÃsticas intrÃnsecas de los datos que son las principales causas que, sumadas a la distribución desigual de clases, realmente dificultan el desempeño de los algoritmos de clasificación en este escenario. Luego, se brindan algunas notas sobre la reducción de datos para comprender las ventajas relacionadas con el uso de este tipo de enfoques. Finalmente, este libro presenta algunas áreas de estudio novedosas que están atrayendo una atención más profunda sobre el problema de los datos desequilibrados. EspecÃficamente, considera la clasificación de flujos de datos, problemas de clasificación no clásicos y la escalabilidad relacionada con Big Data. Se proporcionan ejemplos de bibliotecas de software y módulos para abordar la clasificación desequilibrada. Este libro es muy adecuado para profesionales técnicos, estudiantes universitarios y de posgrado en las áreas de ciencia de datos, informática e ingenierÃa. También será útil para los cientÃficos e investigadores conocer los avances actuales en esta área de estudio, asà como las futuras direcciones de investigación. . Nota de contenido: 1 Introduction to KDD and Data Science -- 2 Foundations on Imbalanced Classification -- 3 Performance measures -- 4 Cost-sensitive Learning -- 5 Data Level Preprocessing Methods -- 6 Algorithm-level Approaches -- 7 Ensemble Learning -- 8 Imbalanced Classification with Multiple Classes -- 9 Dimensionality Reduction for Imbalanced Learning -- 10 Data Intrinsic Characteristics -- 11 Learning from Imbalanced Data Streams -- 12 Non-Classical Imbalanced Classification Problems -- 13 Imbalanced Classification for Big Data -- 14 Software and Libraries for Imbalanced Classification. . Tipo de medio : Computadora Summary : This book provides a general and comprehensible overview of imbalanced learning. It contains a formal description of a problem, and focuses on its main features, and the most relevant proposed solutions. Additionally, it considers the different scenarios in Data Science for which the imbalanced classification can create a real challenge. This book stresses the gap with standard classification tasks by reviewing the case studies and ad-hoc performance metrics that are applied in this area. It also covers the different approaches that have been traditionally applied to address the binary skewed class distribution. Specifically, it reviews cost-sensitive learning, data-level preprocessing methods and algorithm-level solutions, taking also into account those ensemble-learning solutions that embed any of the former alternatives. Furthermore, it focuses on the extension of the problem for multi-class problems, where the former classical methods are no longer to be applied in a straightforward way. This book also focuses on the data intrinsic characteristics that are the main causes which, added to the uneven class distribution, truly hinders the performance of classification algorithms in this scenario. Then, some notes on data reduction are provided in order to understand the advantages related to the use of this type of approaches. Finally this book introduces some novel areas of study that are gathering a deeper attention on the imbalanced data issue. Specifically, it considers the classification of data streams, non-classical classification problems, and the scalability related to Big Data. Examples of software libraries and modules to address imbalanced classification are provided. This book is highly suitable for technical professionals, senior undergraduate and graduate students in the areas of data science, computer science and engineering. It will also be useful for scientists and researchers to gain insight on the current developments in this area of study, as well as future research directions. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Learning from Imbalanced Data Sets [documento electrónico] / Fernández, Alberto, ; GarcÃa, Salvador, ; Galar, Mikel, ; Prati, Ronaldo C., ; Krawczyk, Bartosz, ; Herrera, Francisco, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVIII, 377 p. 71 ilustraciones, 50 ilustraciones en color.
ISBN : 978-3-319-98074-4
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 Red de computadoras Redes de comunicación informática Clasificación: 006.3 Resumen: Este libro proporciona una visión general y comprensible del aprendizaje desequilibrado. Contiene una descripción formal de un problema y se centra en sus caracterÃsticas principales y las soluciones propuestas más relevantes. Además, considera los diferentes escenarios en Ciencia de Datos para los cuales la clasificación desequilibrada puede crear un verdadero desafÃo. Este libro enfatiza la brecha con las tareas de clasificación estándar al revisar los estudios de caso y las métricas de desempeño ad hoc que se aplican en esta área. También cubre los diferentes enfoques que se han aplicado tradicionalmente para abordar la distribución binaria de clases sesgada. EspecÃficamente, revisa el aprendizaje sensible a los costos, los métodos de preprocesamiento a nivel de datos y las soluciones a nivel de algoritmos, teniendo también en cuenta aquellas soluciones de aprendizaje conjunto que incorporan cualquiera de las primeras alternativas. Además, se centra en la extensión del problema a problemas multiclase, en los que los métodos clásicos anteriores ya no se pueden aplicar de forma sencilla. Este libro también se centra en las caracterÃsticas intrÃnsecas de los datos que son las principales causas que, sumadas a la distribución desigual de clases, realmente dificultan el desempeño de los algoritmos de clasificación en este escenario. Luego, se brindan algunas notas sobre la reducción de datos para comprender las ventajas relacionadas con el uso de este tipo de enfoques. Finalmente, este libro presenta algunas áreas de estudio novedosas que están atrayendo una atención más profunda sobre el problema de los datos desequilibrados. EspecÃficamente, considera la clasificación de flujos de datos, problemas de clasificación no clásicos y la escalabilidad relacionada con Big Data. Se proporcionan ejemplos de bibliotecas de software y módulos para abordar la clasificación desequilibrada. Este libro es muy adecuado para profesionales técnicos, estudiantes universitarios y de posgrado en las áreas de ciencia de datos, informática e ingenierÃa. También será útil para los cientÃficos e investigadores conocer los avances actuales en esta área de estudio, asà como las futuras direcciones de investigación. . Nota de contenido: 1 Introduction to KDD and Data Science -- 2 Foundations on Imbalanced Classification -- 3 Performance measures -- 4 Cost-sensitive Learning -- 5 Data Level Preprocessing Methods -- 6 Algorithm-level Approaches -- 7 Ensemble Learning -- 8 Imbalanced Classification with Multiple Classes -- 9 Dimensionality Reduction for Imbalanced Learning -- 10 Data Intrinsic Characteristics -- 11 Learning from Imbalanced Data Streams -- 12 Non-Classical Imbalanced Classification Problems -- 13 Imbalanced Classification for Big Data -- 14 Software and Libraries for Imbalanced Classification. . Tipo de medio : Computadora Summary : This book provides a general and comprehensible overview of imbalanced learning. It contains a formal description of a problem, and focuses on its main features, and the most relevant proposed solutions. Additionally, it considers the different scenarios in Data Science for which the imbalanced classification can create a real challenge. This book stresses the gap with standard classification tasks by reviewing the case studies and ad-hoc performance metrics that are applied in this area. It also covers the different approaches that have been traditionally applied to address the binary skewed class distribution. Specifically, it reviews cost-sensitive learning, data-level preprocessing methods and algorithm-level solutions, taking also into account those ensemble-learning solutions that embed any of the former alternatives. Furthermore, it focuses on the extension of the problem for multi-class problems, where the former classical methods are no longer to be applied in a straightforward way. This book also focuses on the data intrinsic characteristics that are the main causes which, added to the uneven class distribution, truly hinders the performance of classification algorithms in this scenario. Then, some notes on data reduction are provided in order to understand the advantages related to the use of this type of approaches. Finally this book introduces some novel areas of study that are gathering a deeper attention on the imbalanced data issue. Specifically, it considers the classification of data streams, non-classical classification problems, and the scalability related to Big Data. Examples of software libraries and modules to address imbalanced classification are provided. This book is highly suitable for technical professionals, senior undergraduate and graduate students in the areas of data science, computer science and engineering. It will also be useful for scientists and researchers to gain insight on the current developments in this area of study, as well as future research directions. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
