Autor Malinowski, Simon
|
|
Documentos disponibles escritos por este autor (3)
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
