Autor Squartini, Tiziano
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaECML PKDD 2018 Workshops / Alzate, Carlos ; Monreale, Anna ; Bioglio, Livio ; Bitetta, Valerio ; Bordino, Ilaria ; Caldarelli, Guido ; Ferretti, Andrea ; Guidotti, Riccardo ; Gullo, Francesco ; Pascolutti, Stefano ; Pensa, Ruggero G. ; Robardet, Celine ; Squartini, Tiziano
TÃtulo : ECML PKDD 2018 Workshops : MIDAS 2018 and PAP 2018, Dublin, Ireland, September 10-14, 2018, Proceedings Tipo de documento: documento electrónico Autores: Alzate, Carlos, ; Monreale, Anna, ; Bioglio, Livio, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Caldarelli, Guido, ; Ferretti, Andrea, ; Guidotti, Riccardo, ; Gullo, Francesco, ; Pascolutti, Stefano, ; Pensa, Ruggero G., ; Robardet, Celine, ; Squartini, Tiziano, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: X, 173 p. 70 ilustraciones, 50 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-13463-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Procesamiento de datos Protección de datos Computadoras y civilización Comercio electrónico MinerÃa de datos y descubrimiento de conocimientos Seguridad de datos e información Computadoras y sociedad comercio electrónico y negocios electrónicos Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye artÃculos seleccionados revisados ​​de dos talleres celebrados en la 18.ª Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, en DublÃn, Irlanda, en septiembre de 2018, a saber: MIDAS 2018 – Tercer Taller sobre MinerÃa de Datos para Aplicaciones Financieras. y PAP 2018 – Segundo Taller Internacional sobre Análisis Personal y Privacidad. Los 12 artÃculos presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados de un total de 17 presentaciones. . Nota de contenido: A Multivariate and Multi-step ahead Machine Learning Approach to Traditional and Cryptocurrencies Volatility Forecasting -- Calibrating the Mean-reversion Parameter in the Hull-White Model Using NeuralNetworks -- Deep Factor Model–Explaining Deep Learning Decisions for Forecasting Stock Returns with Layer-wise Relevance Propagation -- A Comparison of Neural Network Methods for Accurate Sentiment Analysis of Stock Market Tweets -- A Progressive Resampling Algorithm for Finding Very Sparse Investment Portfolios -- ICIE 1.0: A Novel Tool for Interactive Contextual Interaction Explanations -- Testing for Self-excitation in Financial Events: A Bayesian Approach -- A Web Crawling Environment to Support Financial Strategies and Trend Correlation -- A differential privacy workflow for inference of parameters in the Rasch model -- Privacy Preserving Client/Vertical-Servers Classification -- Privacy Risk for Individual Basket Patterns -- Exploring Students Eating Habits through Individual Profiling and Clustering Analysis. 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 ECML PKDD 2018 Workshops : MIDAS 2018 and PAP 2018, Dublin, Ireland, September 10-14, 2018, Proceedings [documento electrónico] / Alzate, Carlos, ; Monreale, Anna, ; Bioglio, Livio, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Caldarelli, Guido, ; Ferretti, Andrea, ; Guidotti, Riccardo, ; Gullo, Francesco, ; Pascolutti, Stefano, ; Pensa, Ruggero G., ; Robardet, Celine, ; Squartini, Tiziano, . - 1 ed. . - [s.l.] : Springer, 2019 . - X, 173 p. 70 ilustraciones, 50 ilustraciones en color.
ISBN : 978-3-030-13463-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Procesamiento de datos Protección de datos Computadoras y civilización Comercio electrónico MinerÃa de datos y descubrimiento de conocimientos Seguridad de datos e información Computadoras y sociedad comercio electrónico y negocios electrónicos Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye artÃculos seleccionados revisados ​​de dos talleres celebrados en la 18.ª Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, en DublÃn, Irlanda, en septiembre de 2018, a saber: MIDAS 2018 – Tercer Taller sobre MinerÃa de Datos para Aplicaciones Financieras. y PAP 2018 – Segundo Taller Internacional sobre Análisis Personal y Privacidad. Los 12 artÃculos presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados de un total de 17 presentaciones. . Nota de contenido: A Multivariate and Multi-step ahead Machine Learning Approach to Traditional and Cryptocurrencies Volatility Forecasting -- Calibrating the Mean-reversion Parameter in the Hull-White Model Using NeuralNetworks -- Deep Factor Model–Explaining Deep Learning Decisions for Forecasting Stock Returns with Layer-wise Relevance Propagation -- A Comparison of Neural Network Methods for Accurate Sentiment Analysis of Stock Market Tweets -- A Progressive Resampling Algorithm for Finding Very Sparse Investment Portfolios -- ICIE 1.0: A Novel Tool for Interactive Contextual Interaction Explanations -- Testing for Self-excitation in Financial Events: A Bayesian Approach -- A Web Crawling Environment to Support Financial Strategies and Trend Correlation -- A differential privacy workflow for inference of parameters in the Rasch model -- Privacy Preserving Client/Vertical-Servers Classification -- Privacy Risk for Individual Basket Patterns -- Exploring Students Eating Habits through Individual Profiling and Clustering Analysis. 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 : Maximum-Entropy Networks : Pattern Detection, Network Reconstruction and Graph Combinatorics Tipo de documento: documento electrónico Autores: Squartini, Tiziano, Autor ; Garlaschelli, Diego, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XII, 116 p. 34 ilustraciones, 31 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-69438-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: TeorÃa de grafos FÃsica matemática teorÃa del sistema Dinámica TeorÃas no lineales FÃsica Teórica Matemática y Computacional Sistemas complejos Sistemas Dinámicos Aplicados Ãndice Dewey: 511.5 Resumen: Este libro es una introducción a los modelos de máxima entropÃa de gráficos aleatorios con propiedades topológicas determinadas y sus aplicaciones. Su contribución original es la reformulación de muchos problemas aparentemente diferentes en el estudio tanto de redes reales como de teorÃa de grafos dentro del marco unificado de máxima entropÃa. Se pone especial énfasis en la detección de patrones estructurales en redes reales, en la reconstrucción de las propiedades de las redes a partir de información parcial y en la enumeración y muestreo de gráficos con propiedades dadas. Después de un primer capÃtulo introductorio que explica la motivación, el enfoque, el objetivo y el mensaje del libro, el capÃtulo 2 introduce la construcción formal de conjuntos de gráficos de máxima entropÃa con restricciones topológicas locales. El CapÃtulo 3 se centra en el problema de la detección de patrones en redes reales y proporciona una manera poderosa de separar caracterÃsticas estructurales no triviales de orden superior de aquellas que pueden rastrearse hasta restricciones locales más simples. El CapÃtulo 4 se centra en el problema de la reconstrucción de redes e introduce varias técnicas avanzadas para inferir de manera confiable la topologÃa de una red a partir de información local parcial. El capÃtulo 5 está dedicado a la reformulación de ciertas operaciones combinatorias "duras", como la enumeración y el muestreo insesgado de gráficos con restricciones dadas, dentro de un marco de máxima entropÃa "suavizado". Un capÃtulo final ofrece varios comentarios generales y mensajes para llevar a casa. Al no requerir conocimientos previos de la teorÃa de redes, el libro se dirige a una amplia audiencia que va desde estudiantes de doctorado que abordan estos temas por primera vez hasta investigadores experimentados interesados ​​en la aplicación de técnicas avanzadas de redes en su campo. Nota de contenido: Introduction -- Maximum-entropy ensembles of graphs -- Constructing constrained graph ensembles: why and how? -- Comparing models obtained from different constraints -- Pattern detection -- Detecting assortativity and clustering -- Detecting dyadic motifs -- Detecting triadic motifs -- Some extensions to weighted networks -- Network reconstruction -- Reconstructing network properties from partial information -- The Enhanced Configuration Model -- Further reducing the observational requirements -- Graph combinatorics -- A dual route to combinatorics? -- 'Soft' combinatorial enumeration -- Quantifying ensemble (non)equivalence -- Breaking of equivalence between ensembles -- Implications of (non)equivalence for combinatorics -- "What then shall we choose?" Hardness or softness? -- Concluding remarks. 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 Maximum-Entropy Networks : Pattern Detection, Network Reconstruction and Graph Combinatorics [documento electrónico] / Squartini, Tiziano, Autor ; Garlaschelli, Diego, Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XII, 116 p. 34 ilustraciones, 31 ilustraciones en color.
ISBN : 978-3-319-69438-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: TeorÃa de grafos FÃsica matemática teorÃa del sistema Dinámica TeorÃas no lineales FÃsica Teórica Matemática y Computacional Sistemas complejos Sistemas Dinámicos Aplicados Ãndice Dewey: 511.5 Resumen: Este libro es una introducción a los modelos de máxima entropÃa de gráficos aleatorios con propiedades topológicas determinadas y sus aplicaciones. Su contribución original es la reformulación de muchos problemas aparentemente diferentes en el estudio tanto de redes reales como de teorÃa de grafos dentro del marco unificado de máxima entropÃa. Se pone especial énfasis en la detección de patrones estructurales en redes reales, en la reconstrucción de las propiedades de las redes a partir de información parcial y en la enumeración y muestreo de gráficos con propiedades dadas. Después de un primer capÃtulo introductorio que explica la motivación, el enfoque, el objetivo y el mensaje del libro, el capÃtulo 2 introduce la construcción formal de conjuntos de gráficos de máxima entropÃa con restricciones topológicas locales. El CapÃtulo 3 se centra en el problema de la detección de patrones en redes reales y proporciona una manera poderosa de separar caracterÃsticas estructurales no triviales de orden superior de aquellas que pueden rastrearse hasta restricciones locales más simples. El CapÃtulo 4 se centra en el problema de la reconstrucción de redes e introduce varias técnicas avanzadas para inferir de manera confiable la topologÃa de una red a partir de información local parcial. El capÃtulo 5 está dedicado a la reformulación de ciertas operaciones combinatorias "duras", como la enumeración y el muestreo insesgado de gráficos con restricciones dadas, dentro de un marco de máxima entropÃa "suavizado". Un capÃtulo final ofrece varios comentarios generales y mensajes para llevar a casa. Al no requerir conocimientos previos de la teorÃa de redes, el libro se dirige a una amplia audiencia que va desde estudiantes de doctorado que abordan estos temas por primera vez hasta investigadores experimentados interesados ​​en la aplicación de técnicas avanzadas de redes en su campo. Nota de contenido: Introduction -- Maximum-entropy ensembles of graphs -- Constructing constrained graph ensembles: why and how? -- Comparing models obtained from different constraints -- Pattern detection -- Detecting assortativity and clustering -- Detecting dyadic motifs -- Detecting triadic motifs -- Some extensions to weighted networks -- Network reconstruction -- Reconstructing network properties from partial information -- The Enhanced Configuration Model -- Further reducing the observational requirements -- Graph combinatorics -- A dual route to combinatorics? -- 'Soft' combinatorial enumeration -- Quantifying ensemble (non)equivalence -- Breaking of equivalence between ensembles -- Implications of (non)equivalence for combinatorics -- "What then shall we choose?" Hardness or softness? -- Concluding remarks. 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
