Advanced Analytics and Learning on Temporal Data / Lemaire, Vincent ; Malinowski, Simon ; Bagnall, Anthony ; Bondu, Alexis ; Guyet, Thomas ; Tavenard, Romain  

Público ISBD Ningún comentario para este registro. Título : 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  Ingeniería Informática  Software de la aplicacion  Procesamiento de imágenes  Visión por computador  Redes de comunicación informática  Ingeniería Informática y Redes  Aplicaciones informáticas y de sistemas de información  Imágenes por computadora  visión  reconocimiento de patrones y gráficos Índice 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 artículos completos presentados junto con 9 artículos tipo póster fueron cuidadosamente revisados ​​y seleccionados de 31 presentaciones. Los artículos 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 estadístico espacio-temporal; métodos de análisis de datos funcionales; flujos de datos temporales; métodos de análisis de series temporales interpretables; reducción de dimensionalidad, escasez, complejidad algorítmica y desafío 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 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 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  Ingeniería Informática  Software de la aplicacion  Procesamiento de imágenes  Visión por computador  Redes de comunicación informática  Ingeniería Informática y Redes  Aplicaciones informáticas y de sistemas de información  Imágenes por computadora  visión  reconocimiento de patrones y gráficos Índice 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 artículos completos presentados junto con 9 artículos tipo póster fueron cuidadosamente revisados ​​y seleccionados de 31 presentaciones. Los artículos 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 estadístico espacio-temporal; métodos de análisis de datos funcionales; flujos de datos temporales; métodos de análisis de series temporales interpretables; reducción de dimensionalidad, escasez, complejidad algorítmica y desafío 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 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

---

1 (1 - 1 / 1) Por página: 25 50 100 200