Título :	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  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Computadoras y Educación  Redes de comunicación informática
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 Gante, Bélgica, en septiembre de 2020. Los 15 artículos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 29 presentaciones. . Los artículos 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 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, Medicina, Consumo de Energía, 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 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 : 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  Minería de datos y descubrimiento de conocimientos  Aplicación informática en ciencias sociales y del comportamiento  Computadoras y Educación  Redes de comunicación informática
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 Gante, Bélgica, en septiembre de 2020. Los 15 artículos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 29 presentaciones. . Los artículos 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 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, Medicina, Consumo de Energía, 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 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