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: Annalisa Appice, Pedro Pereira Rodrigues, Vítor Santos Costa, Carlos Soares, João Gama, Alípio Jorge (eds.) سری: Lecture Notes in Computer Science 9284 ISBN (شابک) : 9783319235271, 9783319235288 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 754 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 27 مگابایت
در صورت تبدیل فایل کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2015, Porto, Portugal, September 7-11, 2015, Proceedings, Part I 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 یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2015، پورتو، پرتغال، 7-11 سپتامبر 2015، مقالات، قسمت اول 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.
مجموعه سه جلدی LNAI 9284، 9285، و 9286، مجموعه مقالات داوری کنفرانس اروپایی در مورد یادگیری ماشین و کشف دانش در پایگاههای داده، ECML PKDD 2015، در پورتو، پرتغال، در سپتامبر 2015 برگزار میشود. p>
131 مقاله ارائه شده در این مجموعه مقالات به دقت بررسی و از بین 483 مقاله ارسالی انتخاب شدند. این شامل 89 مقاله تحقیقاتی، 11 مقاله صنعتی، 14 مقاله شهد، و 17 مقاله آزمایشی است. آنها در بخش های موضوعی به نام های: طبقه بندی، رگرسیون و یادگیری نظارت شده سازماندهی شدند. خوشه بندی و یادگیری بدون نظارت؛ پیش پردازش داده ها؛ جریان داده و یادگیری آنلاین؛ یادگیری عمیق؛ یادگیری از راه دور و متریک؛ یادگیری در مقیاس بزرگ و داده های بزرگ؛ تحلیل ماتریس و تانسور؛ استخراج الگو و توالی؛ یادگیری ترجیحی و رتبه بندی برچسب. رویکردهای احتمالی، آماری و گرافیکی؛ داده های غنی؛ و اجتماعی و نمودارها. بخش سوم در مسیر صنعتی، مسیر شهد، و مسیر نمایشی ساختار یافته است.
The three volume set LNAI 9284, 9285, and 9286 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2015, held in Porto, Portugal, in September 2015.
The 131 papers presented in these proceedings were carefully reviewed and selected from a total of 483 submissions. These include 89 research papers, 11 industrial papers, 14 nectar papers, and 17 demo papers. They were organized in topical sections named: classification, regression and supervised learning; clustering and unsupervised learning; data preprocessing; data streams and online learning; deep learning; distance and metric learning; large scale learning and big data; matrix and tensor analysis; pattern and sequence mining; preference learning and label ranking; probabilistic, statistical, and graphical approaches; rich data; and social and graphs. Part III is structured in industrial track, nectar track, and demo track.
Front Matter....Pages I-LVIII
Front Matter....Pages 1-1
Data Split Strategiesfor Evolving Predictive Models....Pages 3-19
Discriminative Interpolation for Classification of Functional Data....Pages 20-36
Fast Label Embeddings via Randomized Linear Algebra....Pages 37-51
Maximum Entropy Linear Manifold for Learning Discriminative Low-Dimensional Representation....Pages 52-67
Novel Decompositions of Proper Scoring Rules for Classification: Score Adjustment as Precursor to Calibration....Pages 68-85
Parameter Learning of Bayesian Network Classifiers Under Computational Constraints....Pages 86-101
Predicting Unseen Labels Using Label Hierarchies in Large-Scale Multi-label Learning....Pages 102-118
Regression with Linear Factored Functions....Pages 119-134
Ridge Regression, Hubness, and Zero-Shot Learning....Pages 135-151
Solving Prediction Games with Parallel Batch Gradient Descent....Pages 152-167
Structured Regularizer for Neural Higher-Order Sequence Models....Pages 168-183
Versatile Decision Trees for Learning Over Multiple Contexts....Pages 184-199
When is Undersampling Effective in Unbalanced Classification Tasks?....Pages 200-215
Front Matter....Pages 217-217
A Kernel-Learning Approach to Semi-supervised Clustering with Relative Distance Comparisons....Pages 219-234
Bayesian Active Clustering with Pairwise Constraints....Pages 235-250
ConDist: A Context-Driven Categorical Distance Measure....Pages 251-266
Discovering Opinion Spammer Groups by Network Footprints....Pages 267-282
Gamma Process Poisson Factorization for Joint Modeling of Network and Documents....Pages 283-299
Generalization in Unsupervised Learning....Pages 300-317
Front Matter....Pages 318-334
Solving a Hard Cutting Stock Problem by Machine Learning and Optimisation....Pages 217-217
Front Matter....Pages 335-347
Markov Blanket Discovery in Positive-Unlabelled and Semi-supervised Data....Pages 349-349
Multi-view Semantic Learning for Data Representation....Pages 351-366
Unsupervised Feature Analysis with Class Margin Optimization....Pages 367-382
Front Matter....Pages 383-398
Ageing-Based Multinomial Naive Bayes Classifiers Over Opinionated Data Streams....Pages 399-399
Drift Detection Using Stream Volatility....Pages 401-416
Early Classification of Time Series as a Non Myopic Sequential Decision Making Problem....Pages 417-432
Ising Bandits with Side Information....Pages 433-447
Refined Algorithms for Infinitely Many-Armed Bandits with Deterministic Rewards....Pages 448-463
Front Matter....Pages 464-479
An Empirical Investigation of Minimum Probability Flow Learning Under Different Connectivity Patterns....Pages 481-481
Difference Target Propagation....Pages 483-497
Online Learning of Deep Hybrid Architectures for Semi-supervised Categorization....Pages 498-515
Scoring and Classifying with Gated Auto-Encoders....Pages 516-532
Sign Constrained Rectifier Networks with Applications to Pattern Decompositions....Pages 533-545
Aggregation Under Bias: Rényi Divergence Aggregation and Its Implementation via Machine Learning Markets....Pages 546-559
Front Matter....Pages 560-574
Higher Order Fused Regularization for Supervised Learning with Grouped Parameters....Pages 575-575
Joint Semi-supervised Similarity Learning for Linear Classification....Pages 577-593
Learning Compact and Effective Distance Metrics with Diversity Regularization....Pages 594-609
Scalable Metric Learning for Co-Embedding....Pages 610-624
Front Matter....Pages 625-642
Adaptive Stochastic Primal-Dual Coordinate Descent for Separable Saddle Point Problems....Pages 643-643
Front Matter....Pages 645-658
Hash Function Learning via Codewords....Pages 643-643
HierCost: Improving Large Scale Hierarchical Classification with Cost Sensitive Learning....Pages 659-674
Large Scale Optimization with Proximal Stochastic Newton-Type Gradient Descent....Pages 675-690
Back Matter....Pages 691-704
....Pages 705-709