Computational Intelligence for Pattern Recognition / Pedrycz, Witold ; Chen, Shyi-Ming  

Público ISBD Ningún comentario para este registro. Título : Computational Intelligence for Pattern Recognition Tipo de documento: documento electrónico Autores: Pedrycz, Witold, ; Chen, Shyi-Ming, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: VIII, 428 p. 151 ilustraciones, 118 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-89629-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Inteligencia artificial  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Índice Dewey: 006.3 Inteligencia artificial Resumen: El libro presenta una revisión completa y actualizada del reconocimiento de patrones difusos. Analiza cuidadosamente una variedad de cuestiones metodológicas y algorítmicas, así como implementaciones y estudios de casos, e identifica las mejores prácticas de diseño, evalúa modelos comerciales y prácticas de reconocimiento de patrones en aplicaciones del mundo real en la industria, la atención médica, la administración y los negocios. Desde el inicio de los conjuntos difusos, el reconocimiento de patrones difusos con su metodología, algoritmos y aplicaciones ha ofrecido nuevos conocimientos sobre los principios y la práctica de la clasificación de patrones. La inteligencia computacional (CI) establece un marco integral destinado a fomentar el paradigma del reconocimiento de patrones. La colección de contribuciones incluidas en este libro ofrece una descripción general representativa de los avances en el área, con material oportuno, profundo y completo sobre la metodología y prácticas conceptualmente atractivas y prácticamente sólidas del reconocimiento de patrones basado en CI. Nota de contenido: Robust Constrained Concept Factorization -- An Automatic Cycling Performance Measurement System Based on ANFIS -- Fuzzy Classifiers Learned Through SVMs With Application to Specific Object Detection and Shape Extraction Using an RGB-D Camera -- Low Cost Parkinson's Disease Early Detection and Classification Based on Voice and Electromyography Signal -- Particle Swarm Optimization Based HMM Parameter Estimation for Spectrum Sensing in Cognitive Radio System -- Improving Sparse Representation-Based Classification Using Local Principal Component Analysis -- Fuzzy Choquet Integration of Deep Convolutional Neural Networks for Remote Sensing -- Computational Intelligence for Pattern Recognition in EEG Signals -- Neural Network Based Physical Disorder Recognition for Elderly Health Care -- Deep Neural Networks for Structured Data -- Recognizing Subtle Micro-Facial Expressions Using Fuzzy Histogram of Optical Flow Orientations and Feature Selection Methods -- Granular Computing Techniques for Bioinformatics Pattern Recognition Problems in Non-Metric Spaces -- Multi-Classifier-Systems: Architectures, Algorithms and Applications -- Learning Label Dependency and Label Preference Relations in Graded Multi-Label Classification -- Improved Deep Neural Network Object Tracking System for Applications in Home Robotics. 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 Computational Intelligence for Pattern Recognition [documento electrónico] / Pedrycz, Witold, ; Chen, Shyi-Ming,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - VIII, 428 p. 151 ilustraciones, 118 ilustraciones en color. ISBN : 978-3-319-89629-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Inteligencia artificial  Sistemas de reconocimiento de patrones  Reconocimiento de patrones automatizado Índice Dewey: 006.3 Inteligencia artificial Resumen: El libro presenta una revisión completa y actualizada del reconocimiento de patrones difusos. Analiza cuidadosamente una variedad de cuestiones metodológicas y algorítmicas, así como implementaciones y estudios de casos, e identifica las mejores prácticas de diseño, evalúa modelos comerciales y prácticas de reconocimiento de patrones en aplicaciones del mundo real en la industria, la atención médica, la administración y los negocios. Desde el inicio de los conjuntos difusos, el reconocimiento de patrones difusos con su metodología, algoritmos y aplicaciones ha ofrecido nuevos conocimientos sobre los principios y la práctica de la clasificación de patrones. La inteligencia computacional (CI) establece un marco integral destinado a fomentar el paradigma del reconocimiento de patrones. La colección de contribuciones incluidas en este libro ofrece una descripción general representativa de los avances en el área, con material oportuno, profundo y completo sobre la metodología y prácticas conceptualmente atractivas y prácticamente sólidas del reconocimiento de patrones basado en CI. Nota de contenido: Robust Constrained Concept Factorization -- An Automatic Cycling Performance Measurement System Based on ANFIS -- Fuzzy Classifiers Learned Through SVMs With Application to Specific Object Detection and Shape Extraction Using an RGB-D Camera -- Low Cost Parkinson's Disease Early Detection and Classification Based on Voice and Electromyography Signal -- Particle Swarm Optimization Based HMM Parameter Estimation for Spectrum Sensing in Cognitive Radio System -- Improving Sparse Representation-Based Classification Using Local Principal Component Analysis -- Fuzzy Choquet Integration of Deep Convolutional Neural Networks for Remote Sensing -- Computational Intelligence for Pattern Recognition in EEG Signals -- Neural Network Based Physical Disorder Recognition for Elderly Health Care -- Deep Neural Networks for Structured Data -- Recognizing Subtle Micro-Facial Expressions Using Fuzzy Histogram of Optical Flow Orientations and Feature Selection Methods -- Granular Computing Techniques for Bioinformatics Pattern Recognition Problems in Non-Metric Spaces -- Multi-Classifier-Systems: Architectures, Algorithms and Applications -- Learning Label Dependency and Label Preference Relations in Graded Multi-Label Classification -- Improved Deep Neural Network Object Tracking System for Applications in Home Robotics. 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

Data Science and Big Data: An Environment of Computational Intelligence / Pedrycz, Witold ; Chen, Shyi-Ming  

Público ISBD Ningún comentario para este registro. Título : Data Science and Big Data: An Environment of Computational Intelligence Tipo de documento: documento electrónico Autores: Pedrycz, Witold, ; Chen, Shyi-Ming, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: VIII, 303 p. 101 ilustraciones, 80 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-53474-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Procesamiento de datos  Inteligencia artificial  Investigación cuantitativa  Informática Médica  administracion de servicios de salud  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data  Informática de la Salud  Administración de salubridad Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta un tratado completo y actualizado sobre una variedad de cuestiones metodológicas y algorítmicas. También analiza implementaciones y estudios de casos, identifica las mejores prácticas de diseño y evalúa los modelos y prácticas comerciales de análisis de datos en la industria, la atención médica, la administración y los negocios. La ciencia de datos y los big data van de la mano y constituyen un área de investigación en rápido crecimiento y han atraído la atención tanto de la industria como de las empresas. El área en sí ha abierto nuevas y prometedoras direcciones de investigación fundamental y aplicada y ha dado lugar a aplicaciones interesantes, especialmente aquellas que abordan la necesidad inmediata de manejar grandes depósitos de datos y construir modelos de relaciones en datos tangibles y centrados en el usuario. Los datos son el alma de la economía actual impulsada por el conocimiento. Numerosos modelos de ciencia de datos están orientados a los usuarios finales y, junto con los requisitos habituales de precisión (que están presentes en cualquier modelado), vienen los requisitos de capacidad para procesar conjuntos de datos enormes y variables, así como robustez, interpretabilidad y simplicidad (transparencia). . La inteligencia computacional con sus metodologías y herramientas subyacentes ayuda a abordar las necesidades de análisis de datos. El libro es de interés para aquellos investigadores y profesionales involucrados en la ciencia de datos, la ingeniería de Internet, la inteligencia computacional, la gestión, la investigación de operaciones y los sistemas basados ​​en el conocimiento. Nota de contenido: Part I. Fundamentals -- Large-Scale Clustering Algorithms -- On High Dimensional Search Space and Learning Methods.-Enhanced Over_Sampling Techniques for Imbalanced Big Data Set Classification -- Online Anomaly Detection in Big Data: The First Line of Defense Against Intruders -- Developing Modified Classifier for Big Data Paradigm: An Approach through Bio-Inspired Soft Computing -- Unified Framework for Control of Machine Learning Tasks Towards Effective and Efficient Processing of Big Data -- An Efficient Approach for Mining High Utility Itemsets over Data Streams -- Event Detection in Location-Based Social Networks -- Part II. Applications -- Using Computational Intelligence for the Safety Assessment of Oil and Gas Pipelines: A Survey -- Big Data for Effective Management of Smart Grids -- Distributed Machine Learning on Smart-Gateway Network Towards Real-Time Indoor Data Analytics -- Predicting Spatiotemporal Impacts of Weather on Power Systems using Big Data Science -- Index. 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 Data Science and Big Data: An Environment of Computational Intelligence [documento electrónico] / Pedrycz, Witold, ; Chen, Shyi-Ming,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - VIII, 303 p. 101 ilustraciones, 80 ilustraciones en color. ISBN : 978-3-319-53474-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Procesamiento de datos  Inteligencia artificial  Investigación cuantitativa  Informática Médica  administracion de servicios de salud  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data  Informática de la Salud  Administración de salubridad Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta un tratado completo y actualizado sobre una variedad de cuestiones metodológicas y algorítmicas. También analiza implementaciones y estudios de casos, identifica las mejores prácticas de diseño y evalúa los modelos y prácticas comerciales de análisis de datos en la industria, la atención médica, la administración y los negocios. La ciencia de datos y los big data van de la mano y constituyen un área de investigación en rápido crecimiento y han atraído la atención tanto de la industria como de las empresas. El área en sí ha abierto nuevas y prometedoras direcciones de investigación fundamental y aplicada y ha dado lugar a aplicaciones interesantes, especialmente aquellas que abordan la necesidad inmediata de manejar grandes depósitos de datos y construir modelos de relaciones en datos tangibles y centrados en el usuario. Los datos son el alma de la economía actual impulsada por el conocimiento. Numerosos modelos de ciencia de datos están orientados a los usuarios finales y, junto con los requisitos habituales de precisión (que están presentes en cualquier modelado), vienen los requisitos de capacidad para procesar conjuntos de datos enormes y variables, así como robustez, interpretabilidad y simplicidad (transparencia). . La inteligencia computacional con sus metodologías y herramientas subyacentes ayuda a abordar las necesidades de análisis de datos. El libro es de interés para aquellos investigadores y profesionales involucrados en la ciencia de datos, la ingeniería de Internet, la inteligencia computacional, la gestión, la investigación de operaciones y los sistemas basados ​​en el conocimiento. Nota de contenido: Part I. Fundamentals -- Large-Scale Clustering Algorithms -- On High Dimensional Search Space and Learning Methods.-Enhanced Over_Sampling Techniques for Imbalanced Big Data Set Classification -- Online Anomaly Detection in Big Data: The First Line of Defense Against Intruders -- Developing Modified Classifier for Big Data Paradigm: An Approach through Bio-Inspired Soft Computing -- Unified Framework for Control of Machine Learning Tasks Towards Effective and Efficient Processing of Big Data -- An Efficient Approach for Mining High Utility Itemsets over Data Streams -- Event Detection in Location-Based Social Networks -- Part II. Applications -- Using Computational Intelligence for the Safety Assessment of Oil and Gas Pipelines: A Survey -- Big Data for Effective Management of Smart Grids -- Distributed Machine Learning on Smart-Gateway Network Towards Real-Time Indoor Data Analytics -- Predicting Spatiotemporal Impacts of Weather on Power Systems using Big Data Science -- Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

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