Autor Zhang, Rui
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsquedaDeep Learning: Fundamentals, Theory and Applications / Huang, Kaizhu ; Hussain, Amir ; Wang, Qiu-Feng ; Zhang, Rui
TÃtulo : Deep Learning: Fundamentals, Theory and Applications Tipo de documento: documento electrónico Autores: Huang, Kaizhu, ; Hussain, Amir, ; Wang, Qiu-Feng, ; Zhang, Rui, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: VII, 163 p. 66 ilustraciones, 46 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-06073-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: BiologÃa Inteligencia artificial Algoritmos Investigación biomédica Ãndice Dewey: 610.72 Medicina (Investigación Experimental) Resumen: El propósito de este volumen editado es proporcionar una descripción general completa de los fundamentos del aprendizaje profundo, presentar las arquitecturas y algoritmos de aprendizaje ampliamente utilizados, presentar sus últimos avances teóricos, discutir las plataformas y conjuntos de datos de aprendizaje profundo más populares y describir cuántas Las metodologÃas de aprendizaje profundo han aportado grandes avances en diversas aplicaciones de procesamiento de texto, imágenes, vÃdeo, voz y audio. El aprendizaje profundo (DL) ha sido ampliamente considerado como la próxima generación de metodologÃa de aprendizaje automático. DL atrae mucha atención y también logra un gran éxito en el reconocimiento de patrones, la visión por computadora, la extracción de datos y el descubrimiento de conocimientos debido a su gran capacidad para aprender caracterÃsticas abstractas de alto nivel a partir de una gran cantidad de datos. Este nuevo libro no sólo intentará proporcionar una hoja de ruta general o una guÃa para las metodologÃas actuales de aprendizaje profundo, sino que también presentará los desafÃos y visualizará nuevas perspectivas que pueden conducir a mayores avances en este campo. Este libro servirá como una referencia útil para estudiantes de último año (pregrado o posgrado) en ciencias de la computación, estadÃstica, ingenierÃa eléctrica, asà como para otros interesados ​​en estudiar o explorar el potencial de explotar los algoritmos de aprendizaje profundo. También será de especial interés para los investigadores en el área de la IA, el reconocimiento de patrones, el aprendizaje automático y áreas relacionadas, junto con los ingenieros interesados ​​en aplicar modelos de aprendizaje profundo en aplicaciones prácticas nuevas o existentes. Nota de contenido: Preface -- Introduction to Deep Density Models with Latent Variables -- Deep RNN Architecture: Design and Evaluation -- Deep Learning Based Handwritten Chinese Character and Text Recognition -- Deep Learning and Its Applications to Natural Language Processing -- Deep Learning for Natural Language Processing -- Oceanic Data Analysis with Deep Learning Models -- Index. En lÃnea: 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 Deep Learning: Fundamentals, Theory and Applications [documento electrónico] / Huang, Kaizhu, ; Hussain, Amir, ; Wang, Qiu-Feng, ; Zhang, Rui, . - 1 ed. . - [s.l.] : Springer, 2019 . - VII, 163 p. 66 ilustraciones, 46 ilustraciones en color.
ISBN : 978-3-030-06073-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: BiologÃa Inteligencia artificial Algoritmos Investigación biomédica Ãndice Dewey: 610.72 Medicina (Investigación Experimental) Resumen: El propósito de este volumen editado es proporcionar una descripción general completa de los fundamentos del aprendizaje profundo, presentar las arquitecturas y algoritmos de aprendizaje ampliamente utilizados, presentar sus últimos avances teóricos, discutir las plataformas y conjuntos de datos de aprendizaje profundo más populares y describir cuántas Las metodologÃas de aprendizaje profundo han aportado grandes avances en diversas aplicaciones de procesamiento de texto, imágenes, vÃdeo, voz y audio. El aprendizaje profundo (DL) ha sido ampliamente considerado como la próxima generación de metodologÃa de aprendizaje automático. DL atrae mucha atención y también logra un gran éxito en el reconocimiento de patrones, la visión por computadora, la extracción de datos y el descubrimiento de conocimientos debido a su gran capacidad para aprender caracterÃsticas abstractas de alto nivel a partir de una gran cantidad de datos. Este nuevo libro no sólo intentará proporcionar una hoja de ruta general o una guÃa para las metodologÃas actuales de aprendizaje profundo, sino que también presentará los desafÃos y visualizará nuevas perspectivas que pueden conducir a mayores avances en este campo. Este libro servirá como una referencia útil para estudiantes de último año (pregrado o posgrado) en ciencias de la computación, estadÃstica, ingenierÃa eléctrica, asà como para otros interesados ​​en estudiar o explorar el potencial de explotar los algoritmos de aprendizaje profundo. También será de especial interés para los investigadores en el área de la IA, el reconocimiento de patrones, el aprendizaje automático y áreas relacionadas, junto con los ingenieros interesados ​​en aplicar modelos de aprendizaje profundo en aplicaciones prácticas nuevas o existentes. Nota de contenido: Preface -- Introduction to Deep Density Models with Latent Variables -- Deep RNN Architecture: Design and Evaluation -- Deep Learning Based Handwritten Chinese Character and Text Recognition -- Deep Learning and Its Applications to Natural Language Processing -- Deep Learning for Natural Language Processing -- Oceanic Data Analysis with Deep Learning Models -- Index. En lÃnea: 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
TÃtulo : Web and Big Data : 4th International Joint Conference, APWeb-WAIM 2020, Tianjin, China, September 18-20, 2020, Proceedings, Part I Tipo de documento: documento electrónico Autores: Wang, Xin, ; Zhang, Rui, ; Lee, Young-Koo, ; Sun, Le, ; Moon, Yang-Sae, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXIII, 829 p. 371 ilustraciones, 239 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-60259-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de almacenamiento y recuperación de información Inteligencia artificial Software de la aplicacion Ordenadores Almacenamiento y recuperación de información Aplicaciones informáticas y de sistemas de información Entornos informáticos Ãndice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este conjunto de dos volúmenes, LNCS 11317 y 12318, constituye las actas arbitradas exhaustivamente de la 4.ª Conferencia Conjunta Internacional, APWeb-WAIM 2020, celebrada en Tianjin, China, en septiembre de 2020. Debido a la pandemia de COVID-19, la conferencia se organizó como una conferencia completamente en lÃnea. Los 42 artÃculos completos presentados junto con 17 artÃculos breves y 6 artÃculos de demostración se revisaron cuidadosamente y se seleccionaron de 180 presentaciones. Los artÃculos están organizados en torno a los siguientes temas: Análisis de Big Data; Datos de gráficos y redes sociales; Gráfico de conocimiento; Sistemas de recomendación; Extracción y recuperación de información; Aprendizaje automático; Blockchain; MinerÃa de datos; Análisis y minerÃa de texto; Bases de datos espaciales, temporales y multimedia; Sistemas de bases de datos; y Demostración. Nota de contenido: Big Data Analytics -- Graph Data and Social Networks -- Knowledge Graph -- Recommender Systems -- Information Extraction and Retrieval -- machine Learning -- Blockchain -- Data Mining -- Text Analysis and Mining; Spatial, Temporal and Multimedia Databases -- Database Systems; and Demo. En lÃnea: 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 Web and Big Data : 4th International Joint Conference, APWeb-WAIM 2020, Tianjin, China, September 18-20, 2020, Proceedings, Part I [documento electrónico] / Wang, Xin, ; Zhang, Rui, ; Lee, Young-Koo, ; Sun, Le, ; Moon, Yang-Sae, . - 1 ed. . - [s.l.] : Springer, 2020 . - XXIII, 829 p. 371 ilustraciones, 239 ilustraciones en color.
ISBN : 978-3-030-60259-8
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 Inteligencia artificial Software de la aplicacion Ordenadores Almacenamiento y recuperación de información Aplicaciones informáticas y de sistemas de información Entornos informáticos Ãndice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este conjunto de dos volúmenes, LNCS 11317 y 12318, constituye las actas arbitradas exhaustivamente de la 4.ª Conferencia Conjunta Internacional, APWeb-WAIM 2020, celebrada en Tianjin, China, en septiembre de 2020. Debido a la pandemia de COVID-19, la conferencia se organizó como una conferencia completamente en lÃnea. Los 42 artÃculos completos presentados junto con 17 artÃculos breves y 6 artÃculos de demostración se revisaron cuidadosamente y se seleccionaron de 180 presentaciones. Los artÃculos están organizados en torno a los siguientes temas: Análisis de Big Data; Datos de gráficos y redes sociales; Gráfico de conocimiento; Sistemas de recomendación; Extracción y recuperación de información; Aprendizaje automático; Blockchain; MinerÃa de datos; Análisis y minerÃa de texto; Bases de datos espaciales, temporales y multimedia; Sistemas de bases de datos; y Demostración. Nota de contenido: Big Data Analytics -- Graph Data and Social Networks -- Knowledge Graph -- Recommender Systems -- Information Extraction and Retrieval -- machine Learning -- Blockchain -- Data Mining -- Text Analysis and Mining; Spatial, Temporal and Multimedia Databases -- Database Systems; and Demo. En lÃnea: 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
TÃtulo : Web and Big Data : 4th International Joint Conference, APWeb-WAIM 2020, Tianjin, China, September 18-20, 2020, Proceedings, Part II Tipo de documento: documento electrónico Autores: Wang, Xin, ; Zhang, Rui, ; Lee, Young-Koo, ; Sun, Le, ; Moon, Yang-Sae, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXIV, 565 p. 237 ilustraciones, 190 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-60290-1 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 Inteligencia artificial Software de la aplicacion Ordenadores Almacenamiento y recuperación de información Aplicaciones informáticas y de sistemas de información Entornos informáticos Ãndice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este conjunto de dos volúmenes, LNCS 11317 y 12318, constituye las actas arbitradas exhaustivamente de la 4.ª Conferencia Conjunta Internacional, APWeb-WAIM 2020, celebrada en Tianjin, China, en septiembre de 2020. Debido a la pandemia de COVID-19, la conferencia se organizó como una conferencia completamente en lÃnea. Los 42 artÃculos completos presentados junto con 17 artÃculos breves y 6 artÃculos de demostración se revisaron cuidadosamente y se seleccionaron de 180 presentaciones. Los artÃculos están organizados en torno a los siguientes temas: Análisis de Big Data; Datos de gráficos y redes sociales; Gráfico de conocimiento; Sistemas de recomendación; Extracción y recuperación de información; Aprendizaje automático; Blockchain; MinerÃa de datos; Análisis y minerÃa de texto; Bases de datos espaciales, temporales y multimedia; Sistemas de bases de datos; y Demostración. Nota de contenido: Big Data Analytics -- Graph Data and Social Networks -- Knowledge Graph -- Recommender Systems -- Information Extraction and Retrieval -- machine Learning -- Blockchain -- Data Mining -- Text Analysis and Mining; Spatial, Temporal and Multimedia Databases -- Database Systems; and Demo. En lÃnea: 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 Web and Big Data : 4th International Joint Conference, APWeb-WAIM 2020, Tianjin, China, September 18-20, 2020, Proceedings, Part II [documento electrónico] / Wang, Xin, ; Zhang, Rui, ; Lee, Young-Koo, ; Sun, Le, ; Moon, Yang-Sae, . - 1 ed. . - [s.l.] : Springer, 2020 . - XXIV, 565 p. 237 ilustraciones, 190 ilustraciones en color.
ISBN : 978-3-030-60290-1
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 Inteligencia artificial Software de la aplicacion Ordenadores Almacenamiento y recuperación de información Aplicaciones informáticas y de sistemas de información Entornos informáticos Ãndice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este conjunto de dos volúmenes, LNCS 11317 y 12318, constituye las actas arbitradas exhaustivamente de la 4.ª Conferencia Conjunta Internacional, APWeb-WAIM 2020, celebrada en Tianjin, China, en septiembre de 2020. Debido a la pandemia de COVID-19, la conferencia se organizó como una conferencia completamente en lÃnea. Los 42 artÃculos completos presentados junto con 17 artÃculos breves y 6 artÃculos de demostración se revisaron cuidadosamente y se seleccionaron de 180 presentaciones. Los artÃculos están organizados en torno a los siguientes temas: Análisis de Big Data; Datos de gráficos y redes sociales; Gráfico de conocimiento; Sistemas de recomendación; Extracción y recuperación de información; Aprendizaje automático; Blockchain; MinerÃa de datos; Análisis y minerÃa de texto; Bases de datos espaciales, temporales y multimedia; Sistemas de bases de datos; y Demostración. Nota de contenido: Big Data Analytics -- Graph Data and Social Networks -- Knowledge Graph -- Recommender Systems -- Information Extraction and Retrieval -- machine Learning -- Blockchain -- Data Mining -- Text Analysis and Mining; Spatial, Temporal and Multimedia Databases -- Database Systems; and Demo. En lÃnea: 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
