دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Ahlame Douzal-Chouakria, José A. Vilar, Pierre-François Marteau (eds.) سری: Lecture Notes in Computer Science 9785 ISBN (شابک) : 9783319444123, 9783319444116 ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: 180 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 18 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل پیشرفته و یادگیری در مورد داده های زمانی: اولین کارگاه آموزشی ECML PKDD، AALTD 2015، پورتو، پرتغال، 11 سپتامبر 2015، مقالات منتخب اصلاح شده: هوش مصنوعی (شامل رباتیک)، مدیریت پایگاه داده، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، ذخیره سازی و بازیابی اطلاعات، تجزیه و تحلیل الگوریتم و پیچیدگی مسائل
در صورت تبدیل فایل کتاب Advanced Analysis and Learning on Temporal Data: First ECML PKDD Workshop, AALTD 2015, Porto, Portugal, September 11, 2015, Revised Selected Papers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل پیشرفته و یادگیری در مورد داده های زمانی: اولین کارگاه آموزشی ECML PKDD، AALTD 2015، پورتو، پرتغال، 11 سپتامبر 2015، مقالات منتخب اصلاح شده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعه مقالات داوری اولین کارگاه آموزشی ECML PKDD، AALTD 2015، برگزار شده در پورتو، پرتغال، در سپتامبر 2016 است. بخش اول بر یادگیری نمایشها و جاسازیهای جدید برای طبقهبندی سریهای زمانی، خوشهبندی یا کاهش ابعاد تمرکز دارد. بخش دوم رویکردهای طبقهبندی و خوشهبندی را با کاربردهای چالش برانگیز در پزشکی یا دادههای رصد زمین ارائه میکند. این آثار راههای مختلفی را برای در نظر گرفتن وابستگی زمانی در فرآیندهای خوشهبندی یا طبقهبندی نشان میدهند. بخش آخر کتاب به یادگیری متریک و مقایسه سری های زمانی اختصاص دارد، به مشکل سرعت بخشیدن به تاب خوردگی زمانی پویا یا برخورد با یادگیری متریک چندوجهی و چند مقیاسی برای طبقه بندی و خوشه بندی سری های زمانی می پردازد.
This book constitutes the refereed proceedings of the First
ECML PKDD Workshop, AALTD 2015, held in Porto, Portugal, in
September 2016.
The 11 full papers presented were carefully reviewed and
selected from 22 submissions. The first part focuses on
learning new representations and embeddings for time series
classification, clustering or for dimensionality reduction.
The second part presents approaches on classification and
clustering with challenging applications on medicine or earth
observation data. These works show different ways to consider
temporal dependency in clustering or classification
processes. The last part of the book is dedicated to metric
learning and time series comparison, it addresses the problem
of speeding-up the dynamic time warping or dealing with
multi-modal and multi-scale metric learning for time series
classification and clustering.
Front Matter....Pages I-X
Front Matter....Pages 1-1
Symbolic Representation of Time Series: A Hierarchical Coclustering Formalization....Pages 3-16
Dense Bag-of-Temporal-SIFT-Words for Time Series Classification....Pages 17-30
Dimension Reduction in Dissimilarity Spaces for Time Series Classification....Pages 31-46
Front Matter....Pages 47-47
Fuzzy Clustering of Series Using Quantile Autocovariances....Pages 49-64
A Reservoir Computing Approach for Balance Assessment....Pages 65-77
Learning Structures in Earth Observation Data with Gaussian Processes....Pages 78-94
Monitoring Short Term Changes of Infectious Diseases in Uganda with Gaussian Processes....Pages 95-110
Estimating Dynamic Graphical Models from Multivariate Time-Series Data: Recent Methods and Results....Pages 111-128
Front Matter....Pages 129-129
A Multi-modal Metric Learning Framework for Time Series kNN Classification....Pages 131-143
A Comparison of Progressive and Iterative Centroid Estimation Approaches Under Time Warp....Pages 144-156
Coarse-DTW for Sparse Time Series Alignment....Pages 157-172
Back Matter....Pages 173-173