Título :	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  Minería de datos y descubrimiento de conocimientos  Redes de comunicación informática  Aplicación informática en ciencias sociales y del comportamiento  Computadoras y Educación
Índice 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 artículos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 21 envíos. 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 anomalías 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 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 : 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  Minería de datos y descubrimiento de conocimientos  Redes de comunicación informática  Aplicación informática en ciencias sociales y del comportamiento  Computadoras y Educación
Índice 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 artículos completos presentados en este libro fueron cuidadosamente revisados ​​y seleccionados entre 21 envíos. 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 anomalías 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 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