Autor Lemaire, Vincent
|
|
Documentos disponibles escritos por este autor (4)
Hacer una sugerencia Refinar búsquedaAdvanced Analytics and Learning on Temporal Data / Lemaire, Vincent ; Malinowski, Simon ; Bagnall, Anthony ; Bondu, Alexis ; Guyet, Thomas ; Tavenard, Romain
TÃtulo : Advanced Analytics and Learning on Temporal Data : 4th ECML PKDD Workshop, AALTD 2019, Würzburg, Germany, September 20, 2019, Revised Selected Papers Tipo de documento: documento electrónico Autores: Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Bondu, Alexis, ; Guyet, Thomas, ; Tavenard, Romain, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 229 p. 109 ilustraciones, 90 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-39098-3 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 Red de computadoras IngenierÃa Informática Software de la aplicacion Procesamiento de imágenes Visión por computador Redes de comunicación informática IngenierÃa Informática y Redes Aplicaciones informáticas y de sistemas de información Imágenes por computadora visión reconocimiento de patrones y gráficos Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2019, celebrado en Würzburg, Alemania, en septiembre de 2019. Los 7 artÃculos completos presentados junto con 9 artÃculos tipo póster fueron cuidadosamente revisados ​​y seleccionados de 31 presentaciones. Los artÃculos cubren temas como la agrupación de datos temporales; clasificación de series temporales univariadas y multivariadas; clasificación temprana de datos temporales; aprendizaje profundo y representaciones de aprendizaje para datos temporales; modelar dependencias temporales; modelos avanzados de previsión y predicción; análisis estadÃstico espacio-temporal; métodos de análisis de datos funcionales; flujos de datos temporales; métodos de análisis de series temporales interpretables; reducción de dimensionalidad, escasez, complejidad algorÃtmica y desafÃo de big data; y bioinformática, médica, consumo energético, sobre datos temporales. . Nota de contenido: Robust Functional Regression for Outlier Detection -- Transform Learning Based Function Approximation for Regression and Forecasting -- Proactive Fiber Break Detection based on Quaternion Time Series and Automatic Variable Selection from Relational Data -- A fully automated periodicity detection in time series -- Conditional Forecasting of Water Level Time Series with RNNs -- Challenges and Limitations in Clustering Blood Donor Hemoglobin Trajectories -- Localized Random Shapelets -- Feature-Based Gait Pattern Classification for a Robotic Walking Frame -- How to detect novelty in textual data streams? A comparative study of existing methods -- Seq2VAR: multivariate time series representation with relational neural networks and linear autoregressive model -- Modelling Patient Sequences for Rare Disease Detection with Semi-supervised Generative Adversarial Nets -- Extended Kalman Filter for Large Scale Vessels Trajectory Tracking in Distributed Stream Processing Systems -- Unsupervised Anomaly Detection in Multivariate Spatio-Temporal Datasets using Deep Learning -- Learning Stochastic Dynamical Systems via Bridge Sampling -- Quantifying Quality of Actions Using Wearable Sensor -- An Initial Study on Adapting DTW at Individual Query for Electrocardiogram 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 Advanced Analytics and Learning on Temporal Data : 4th ECML PKDD Workshop, AALTD 2019, Würzburg, Germany, September 20, 2019, Revised Selected Papers [documento electrónico] / Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Bondu, Alexis, ; Guyet, Thomas, ; Tavenard, Romain, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 229 p. 109 ilustraciones, 90 ilustraciones en color.
ISBN : 978-3-030-39098-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Red de computadoras IngenierÃa Informática Software de la aplicacion Procesamiento de imágenes Visión por computador Redes de comunicación informática IngenierÃa Informática y Redes Aplicaciones informáticas y de sistemas de información Imágenes por computadora visión reconocimiento de patrones y gráficos Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2019, celebrado en Würzburg, Alemania, en septiembre de 2019. Los 7 artÃculos completos presentados junto con 9 artÃculos tipo póster fueron cuidadosamente revisados ​​y seleccionados de 31 presentaciones. Los artÃculos cubren temas como la agrupación de datos temporales; clasificación de series temporales univariadas y multivariadas; clasificación temprana de datos temporales; aprendizaje profundo y representaciones de aprendizaje para datos temporales; modelar dependencias temporales; modelos avanzados de previsión y predicción; análisis estadÃstico espacio-temporal; métodos de análisis de datos funcionales; flujos de datos temporales; métodos de análisis de series temporales interpretables; reducción de dimensionalidad, escasez, complejidad algorÃtmica y desafÃo de big data; y bioinformática, médica, consumo energético, sobre datos temporales. . Nota de contenido: Robust Functional Regression for Outlier Detection -- Transform Learning Based Function Approximation for Regression and Forecasting -- Proactive Fiber Break Detection based on Quaternion Time Series and Automatic Variable Selection from Relational Data -- A fully automated periodicity detection in time series -- Conditional Forecasting of Water Level Time Series with RNNs -- Challenges and Limitations in Clustering Blood Donor Hemoglobin Trajectories -- Localized Random Shapelets -- Feature-Based Gait Pattern Classification for a Robotic Walking Frame -- How to detect novelty in textual data streams? A comparative study of existing methods -- Seq2VAR: multivariate time series representation with relational neural networks and linear autoregressive model -- Modelling Patient Sequences for Rare Disease Detection with Semi-supervised Generative Adversarial Nets -- Extended Kalman Filter for Large Scale Vessels Trajectory Tracking in Distributed Stream Processing Systems -- Unsupervised Anomaly Detection in Multivariate Spatio-Temporal Datasets using Deep Learning -- Learning Stochastic Dynamical Systems via Bridge Sampling -- Quantifying Quality of Actions Using Wearable Sensor -- An Initial Study on Adapting DTW at Individual Query for Electrocardiogram 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 : Advanced Analytics and Learning on Temporal Data : 5th ECML PKDD Workshop, AALTD 2020, Ghent, Belgium, September 18, 2020, Revised Selected Papers Tipo de documento: documento electrónico Autores: Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Guyet, Thomas, ; Tavenard, Romain, ; Ifrim, Georgiana, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 233 p. 88 ilustraciones, 67 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-65742-0 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 Ciencias sociales Aprendizaje automático Red de computadoras MinerÃa de datos y descubrimiento de conocimientos Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Redes de comunicación informática Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2019, celebrado en Gante, Bélgica, en septiembre de 2020. Los 15 artÃculos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 29 presentaciones. . Los artÃculos seleccionados están dedicados a temas como Temporal Data Clustering; Clasificación de Series Temporales Univariadas y Multivariadas; Clasificación Temprana de Datos Temporales; Aprendizaje profundo y representaciones de aprendizaje para datos temporales; Modelado de Dependencias Temporales; Modelos Avanzados de Previsión y Predicción; Análisis EstadÃstico Espacio-Temporal; Métodos de Análisis de Datos Funcionales; Flujos de datos temporales; Métodos de análisis de series temporales interpretables; Reducción de dimensionalidad, escasez, complejidad algorÃtmica y desafÃo de Big Data; y Bioinformática, Medicina, Consumo de EnergÃa, Datos Temporales. Nota de contenido: Temporal Data Clustering -- Classification of Univariate and Multivariate Time Series -- Early Classification of Temporal Data -- Deep Learning and Learning Representations for Temporal Data -- Modeling Temporal Dependencies -- Advanced Forecasting and Prediction Models -- Space-Temporal Statistical Analysis -- Functional Data Analysis Methods -- Temporal Data Streams -- Interpretable Time-Series Analysis Methods -- Dimensionality Reduction, Sparsity, Algorithmic Complexity and Big Data Challenge -- Bio-Informatics, Medical, Energy Consumption, Temporal Data. 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 Advanced Analytics and Learning on Temporal Data : 5th ECML PKDD Workshop, AALTD 2020, Ghent, Belgium, September 18, 2020, Revised Selected Papers [documento electrónico] / Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Guyet, Thomas, ; Tavenard, Romain, ; Ifrim, Georgiana, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 233 p. 88 ilustraciones, 67 ilustraciones en color.
ISBN : 978-3-030-65742-0
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 Ciencias sociales Aprendizaje automático Red de computadoras MinerÃa de datos y descubrimiento de conocimientos Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Redes de comunicación informática Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2019, celebrado en Gante, Bélgica, en septiembre de 2020. Los 15 artÃculos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 29 presentaciones. . Los artÃculos seleccionados están dedicados a temas como Temporal Data Clustering; Clasificación de Series Temporales Univariadas y Multivariadas; Clasificación Temprana de Datos Temporales; Aprendizaje profundo y representaciones de aprendizaje para datos temporales; Modelado de Dependencias Temporales; Modelos Avanzados de Previsión y Predicción; Análisis EstadÃstico Espacio-Temporal; Métodos de Análisis de Datos Funcionales; Flujos de datos temporales; Métodos de análisis de series temporales interpretables; Reducción de dimensionalidad, escasez, complejidad algorÃtmica y desafÃo de Big Data; y Bioinformática, Medicina, Consumo de EnergÃa, Datos Temporales. Nota de contenido: Temporal Data Clustering -- Classification of Univariate and Multivariate Time Series -- Early Classification of Temporal Data -- Deep Learning and Learning Representations for Temporal Data -- Modeling Temporal Dependencies -- Advanced Forecasting and Prediction Models -- Space-Temporal Statistical Analysis -- Functional Data Analysis Methods -- Temporal Data Streams -- Interpretable Time-Series Analysis Methods -- Dimensionality Reduction, Sparsity, Algorithmic Complexity and Big Data Challenge -- Bio-Informatics, Medical, Energy Consumption, Temporal Data. 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 : Advanced Analytics and Learning on Temporal Data : 6th ECML PKDD Workshop, AALTD 2021, Bilbao, Spain, September 13, 2021, Revised Selected Papers Tipo de documento: documento electrónico Autores: Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Guyet, Thomas, ; Tavenard, Romain, ; Ifrim, Georgiana, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 195 p. 68 ilustraciones, 57 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-91445-5 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 Red de computadoras Ciencias sociales MinerÃa de datos y descubrimiento de conocimientos Redes de comunicación informática Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 6.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2021, celebrado del 13 al 17 de septiembre de 2021. El taller estaba previsto que se llevara a cabo en Bilbao, España, pero se llevó a cabo virtualmente debido a la pandemia de COVID-19. Los 12 artÃculos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 21 envÃos. Se centran en los siguientes temas: agrupación de datos temporales; Clasificación de Series Temporales Univariadas y Multivariadas; Co-agrupación de series temporales multivariadas; Detección eficiente de eventos; Modelado de Dependencias Temporales; Modelos Avanzados de Previsión y Predicción; Previsión basada en clústeres; Métodos de Explicación para la Clasificación de Series Temporales; Metaaprendizaje multimodal para regresión de series temporales; y detección de anomalÃas en series temporales multivariadas. . Nota de contenido: Oral Presentation -- Ranking by Aggregating Referees: Evaluating the Informativeness of Explanation Methods for Time Series Classification -- State Space approximation of Gaussian Processes for time-series forecasting -- Fast Channel Selection for Scalable Multivariate Time Series Classification -- Temporal phenotyping for characterisation of hospital care pathways of COVID patients -- A New Multivariate Time Series Co-clustering Non-Parametric Model Applied to Driving-Assistance Systems Validation -- TRAMESINO: Trainable Memory System for Intelligent Optimization of Road Traffic Control -- Detection of critical events in renewable energy production time series -- Poster Presentation -- Multimodal Meta-Learning for Time Series Regression -- Cluster-based Forecasting for Intermittent and Non-intermittent Time Series -- State discovery and prediction from multivariate sensor data -- RevDet: Robust and Memory Efficient Event Detection and Tracking in Large News Feeds -- From Univariate to Multivariate Time Series Anomaly Detection with Non-Local Information. 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 Advanced Analytics and Learning on Temporal Data : 6th ECML PKDD Workshop, AALTD 2021, Bilbao, Spain, September 13, 2021, Revised Selected Papers [documento electrónico] / Lemaire, Vincent, ; Malinowski, Simon, ; Bagnall, Anthony, ; Guyet, Thomas, ; Tavenard, Romain, ; Ifrim, Georgiana, . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 195 p. 68 ilustraciones, 57 ilustraciones en color.
ISBN : 978-3-030-91445-5
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 Red de computadoras Ciencias sociales MinerÃa de datos y descubrimiento de conocimientos Redes de comunicación informática Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 6.º Taller ECML PKDD sobre análisis avanzado y aprendizaje sobre datos temporales, AALTD 2021, celebrado del 13 al 17 de septiembre de 2021. El taller estaba previsto que se llevara a cabo en Bilbao, España, pero se llevó a cabo virtualmente debido a la pandemia de COVID-19. Los 12 artÃculos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 21 envÃos. Se centran en los siguientes temas: agrupación de datos temporales; Clasificación de Series Temporales Univariadas y Multivariadas; Co-agrupación de series temporales multivariadas; Detección eficiente de eventos; Modelado de Dependencias Temporales; Modelos Avanzados de Previsión y Predicción; Previsión basada en clústeres; Métodos de Explicación para la Clasificación de Series Temporales; Metaaprendizaje multimodal para regresión de series temporales; y detección de anomalÃas en series temporales multivariadas. . Nota de contenido: Oral Presentation -- Ranking by Aggregating Referees: Evaluating the Informativeness of Explanation Methods for Time Series Classification -- State Space approximation of Gaussian Processes for time-series forecasting -- Fast Channel Selection for Scalable Multivariate Time Series Classification -- Temporal phenotyping for characterisation of hospital care pathways of COVID patients -- A New Multivariate Time Series Co-clustering Non-Parametric Model Applied to Driving-Assistance Systems Validation -- TRAMESINO: Trainable Memory System for Intelligent Optimization of Road Traffic Control -- Detection of critical events in renewable energy production time series -- Poster Presentation -- Multimodal Meta-Learning for Time Series Regression -- Cluster-based Forecasting for Intermittent and Non-intermittent Time Series -- State discovery and prediction from multivariate sensor data -- RevDet: Robust and Memory Efficient Event Detection and Tracking in Large News Feeds -- From Univariate to Multivariate Time Series Anomaly Detection with Non-Local Information. 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 : Neural Connectomics Challenge Tipo de documento: documento electrónico Autores: Battaglia, Demian, ; Guyon, Isabelle, ; Lemaire, Vincent, ; Orlandi, Javier, ; Ray, Bisakha, ; Soriano, Jordi, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: X, 117 p. 28 ilustraciones ISBN/ISSN/DL: 978-3-319-53070-3 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 Visión por computador Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro ilustra el impulso de la comunidad cientÃfica para utilizar conceptos de aprendizaje automático para abordar un problema complejo: dadas series temporales de actividad neuronal espontánea, ¿cuál es la conectividad subyacente entre las neuronas de la red? Los autores contribuyentes también desarrollan herramientas para el avance de la neurociencia a través de técnicas de aprendizaje automático, centrándose en los principales problemas abiertos en la neurociencia. Si bien las técnicas se han desarrollado para una aplicación especÃfica, abordan el problema más general de la reconstrucción de redes a partir de series temporales observacionales, un problema de interés en una amplia variedad de dominios, incluidos la econometrÃa, la epidemiologÃa y la climatologÃa, por citar sólo algunos. < El libro está diseñado para las comunidades de matemáticas, fÃsica e informática que realizan investigaciones en problemas de neurociencia. El contenido también es adecuado para la comunidad de aprendizaje automático porque ejemplifica cómo abordar el mismo problema desde diferentes perspectivas. Nota de contenido: First Connectomics Challenge: From Imaging to Connectivity -- Simple Connectome Inference from Partial Correlation Statistics in Calcium Imaging -- Supervised Neural Network Structure Recovery -- Signal Correlation Prediction Using Convolutional Neural Networks -- Reconstruction of Excitatory Neuronal Connectivity via Metric Score Pooling and Regularization -- Neural Connectivity Reconstruction from Calcium Imaging Signal using Random Forest with Topological Features -- Efficient Combination of Pairwise Feature Networks -- Predicting Spiking Activities in DLS Neurons with Linear-Nonlinear-Poisson Model -- SuperSlicing Frame Restoration for Anisotropic ssTEM and Video Data -- Supplemental Information. 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 Neural Connectomics Challenge [documento electrónico] / Battaglia, Demian, ; Guyon, Isabelle, ; Lemaire, Vincent, ; Orlandi, Javier, ; Ray, Bisakha, ; Soriano, Jordi, . - 1 ed. . - [s.l.] : Springer, 2017 . - X, 117 p. 28 ilustraciones.
ISBN : 978-3-319-53070-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Visión por computador Ãndice Dewey: 006.3 Inteligencia artificial Resumen: Este libro ilustra el impulso de la comunidad cientÃfica para utilizar conceptos de aprendizaje automático para abordar un problema complejo: dadas series temporales de actividad neuronal espontánea, ¿cuál es la conectividad subyacente entre las neuronas de la red? Los autores contribuyentes también desarrollan herramientas para el avance de la neurociencia a través de técnicas de aprendizaje automático, centrándose en los principales problemas abiertos en la neurociencia. Si bien las técnicas se han desarrollado para una aplicación especÃfica, abordan el problema más general de la reconstrucción de redes a partir de series temporales observacionales, un problema de interés en una amplia variedad de dominios, incluidos la econometrÃa, la epidemiologÃa y la climatologÃa, por citar sólo algunos. < El libro está diseñado para las comunidades de matemáticas, fÃsica e informática que realizan investigaciones en problemas de neurociencia. El contenido también es adecuado para la comunidad de aprendizaje automático porque ejemplifica cómo abordar el mismo problema desde diferentes perspectivas. Nota de contenido: First Connectomics Challenge: From Imaging to Connectivity -- Simple Connectome Inference from Partial Correlation Statistics in Calcium Imaging -- Supervised Neural Network Structure Recovery -- Signal Correlation Prediction Using Convolutional Neural Networks -- Reconstruction of Excitatory Neuronal Connectivity via Metric Score Pooling and Regularization -- Neural Connectivity Reconstruction from Calcium Imaging Signal using Random Forest with Topological Features -- Efficient Combination of Pairwise Feature Networks -- Predicting Spiking Activities in DLS Neurons with Linear-Nonlinear-Poisson Model -- SuperSlicing Frame Restoration for Anisotropic ssTEM and Video Data -- Supplemental Information. 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
