Título :	Robust Representation for Data Analytics : Models and Applications
Tipo de documento:	documento electrónico
Autores:	Li, Sheng, Autor ; Fu, Yun, Autor
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2017
Número de páginas:	XI, 224 p. 52 ilustraciones, 49 ilustraciones en color.
ISBN/ISSN/DL:	978-3-319-60176-2
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Procesamiento de datos  Inteligencia artificial  Sistemas de reconocimiento de patrones  Visión por computador  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado
Índice Dewey:	6.312
Resumen:	Este libro presenta los conceptos y modelos de aprendizaje de representación robusto y proporciona un conjunto de soluciones para abordar tareas de análisis de datos del mundo real, como agrupación, clasificación, modelado de series de tiempo, detección de valores atípicos, filtrado colaborativo, detección de comunidades, etc. Se desarrollan tipos de representaciones de características sólidas, que amplían la comprensión del gráfico, el subespacio y el diccionario. Aprovechando la teoría del modelado disperso y de bajo rango, los autores desarrollan representaciones sólidas de características bajo varios paradigmas de aprendizaje, incluido el aprendizaje no supervisado, el aprendizaje supervisado, el aprendizaje semisupervisado, el aprendizaje de múltiples vistas, el aprendizaje por transferencia y el aprendizaje profundo. Robust Representations for Data Analytics cubre una amplia gama de aplicaciones en los campos de investigación de big data, informática centrada en el ser humano, reconocimiento de patrones, marketing digital, minería web y visión por computadora.
Nota de contenido:	Introduction -- Fundamentals of Robust Representations -- Part 1: Robust Representation Models -- Robust Graph Construction -- Robust Subspace Learning -- Robust Multi-View Subspace Learning -- Part 11: Applications -- Robust Representations for Collaborative Filtering -- Robust Representations for Response Prediction -- Robust Representations for Outlier Detection -- Robust Representations for Person Re-Identification -- Robust Representations for Community Detection -- 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

Robust Representation for Data Analytics : Models and Applications [documento electrónico] / Li, Sheng, Autor ; Fu, Yun, Autor  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XI, 224 p. 52 ilustraciones, 49 ilustraciones en color.
ISBN : 978-3-319-60176-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Procesamiento de datos  Inteligencia artificial  Sistemas de reconocimiento de patrones  Visión por computador  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado
Índice Dewey:	6.312
Resumen:	Este libro presenta los conceptos y modelos de aprendizaje de representación robusto y proporciona un conjunto de soluciones para abordar tareas de análisis de datos del mundo real, como agrupación, clasificación, modelado de series de tiempo, detección de valores atípicos, filtrado colaborativo, detección de comunidades, etc. Se desarrollan tipos de representaciones de características sólidas, que amplían la comprensión del gráfico, el subespacio y el diccionario. Aprovechando la teoría del modelado disperso y de bajo rango, los autores desarrollan representaciones sólidas de características bajo varios paradigmas de aprendizaje, incluido el aprendizaje no supervisado, el aprendizaje supervisado, el aprendizaje semisupervisado, el aprendizaje de múltiples vistas, el aprendizaje por transferencia y el aprendizaje profundo. Robust Representations for Data Analytics cubre una amplia gama de aplicaciones en los campos de investigación de big data, informática centrada en el ser humano, reconocimiento de patrones, marketing digital, minería web y visión por computadora.
Nota de contenido:	Introduction -- Fundamentals of Robust Representations -- Part 1: Robust Representation Models -- Robust Graph Construction -- Robust Subspace Learning -- Robust Multi-View Subspace Learning -- Part 11: Applications -- Robust Representations for Collaborative Filtering -- Robust Representations for Response Prediction -- Robust Representations for Outlier Detection -- Robust Representations for Person Re-Identification -- Robust Representations for Community Detection -- 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