ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part II

دانلود کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2013، پراگ، جمهوری چک، 23-27 سپتامبر 2013، پرونده، قسمت دوم

Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part II

مشخصات کتاب

Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part II

ویرایش: 1 
نویسندگان: , , , , , ,   
سری: Lecture Notes in Computer Science 8189 
ISBN (شابک) : 9783642409905, 9783642409912 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2013 
تعداد صفحات: 732 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2013، پراگ، جمهوری چک، 23-27 سپتامبر 2013، پرونده، قسمت دوم: داده کاوی و کشف دانش، هوش مصنوعی (شامل رباتیک)، تشخیص الگو، ریاضیات گسسته در علوم کامپیوتر، احتمالات و آمار در علوم کامپیوتر، ذخیره سازی و بازیابی اطلاعات



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part II 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 2013، پراگ، جمهوری چک، 23-27 سپتامبر 2013، پرونده، قسمت دوم 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.


توضیحاتی در مورد کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2013، پراگ، جمهوری چک، 23-27 سپتامبر 2013، پرونده، قسمت دوم



این مجموعه سه جلدی LNAI 8188، 8189 و 8190 مجموعه مقالات داوری کنفرانس اروپایی یادگیری ماشین و کشف دانش در پایگاه‌های داده، ECML PKDD 2013، در پراگ، جمهوری چک، در سپتامبر 2013 برگزار می‌شود. تحقیق 111 تجدید نظر مقالات ارائه شده همراه با 5 سخنرانی دعوت شده به دقت بررسی و از بین 447 مورد ارسالی انتخاب شدند. مقالات در بخش های موضوعی در یادگیری تقویتی سازماندهی شده اند. فرآیندهای تصمیم مارکوف؛ یادگیری فعال و بهینه سازی؛ یادگیری از دنباله ها؛ سری های زمانی و داده های مکانی-زمانی؛ جریان های داده؛ نمودارها و شبکه ها؛ تحلیل شبکه های اجتماعی؛ پردازش زبان طبیعی و استخراج اطلاعات؛ سیستم های رتبه بندی و توصیه کننده؛ تحلیل ماتریس و تانسور؛ پیش بینی خروجی ساختاریافته، یادگیری چند برچسبی و چند وظیفه ای. انتقال یادگیری؛ یادگیری بیزی؛ مدل های گرافیکی; روشهای نزدیکترین همسایه؛ گروه ها؛ یادگیری آماری؛ یادگیری نیمه نظارتی؛ یادگیری بدون نظارت؛ کشف زیرگروه، تشخیص پرت و تشخیص ناهنجاری؛ حریم خصوصی و امنیت؛ ارزیابی؛ برنامه های کاربردی؛ و برنامه های پزشکی.


توضیحاتی درمورد کتاب به خارجی

This three-volume set LNAI 8188, 8189 and 8190 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2013, held in Prague, Czech Republic, in September 2013. The 111 revised research papers presented together with 5 invited talks were carefully reviewed and selected from 447 submissions. The papers are organized in topical sections on reinforcement learning; Markov decision processes; active learning and optimization; learning from sequences; time series and spatio-temporal data; data streams; graphs and networks; social network analysis; natural language processing and information extraction; ranking and recommender systems; matrix and tensor analysis; structured output prediction, multi-label and multi-task learning; transfer learning; bayesian learning; graphical models; nearest-neighbor methods; ensembles; statistical learning; semi-supervised learning; unsupervised learning; subgroup discovery, outlier detection and anomaly detection; privacy and security; evaluation; applications; and medical applications.



فهرست مطالب

Front Matter....Pages -
Incremental Local Evolutionary Outlier Detection for Dynamic Social Networks....Pages 1-15
How Long Will She Call Me? Distribution, Social Theory and Duration Prediction....Pages 16-31
Discovering Nested Communities....Pages 32-47
CSI: Community-Level Social Influence Analysis....Pages 48-63
Supervised Learning of Syntactic Contexts for Uncovering Definitions and Extracting Hypernym Relations in Text Databases....Pages 64-79
Error Prediction with Partial Feedback....Pages 80-94
Boot-Strapping Language Identifiers for Short Colloquial Postings....Pages 95-111
A Pairwise Label Ranking Method with Imprecise Scores and Partial Predictions....Pages 112-127
Learning Socially Optimal Information Systems from Egoistic Users....Pages 128-144
Socially Enabled Preference Learning from Implicit Feedback Data....Pages 145-160
Cross-Domain Recommendation via Cluster-Level Latent Factor Model....Pages 161-176
Minimal Shrinkage for Noisy Data Recovery Using Schatten- p Norm Objective....Pages 177-193
Noisy Matrix Completion Using Alternating Minimization....Pages 194-209
A Nearly Unbiased Matrix Completion Approach....Pages 210-225
A Counterexample for the Validity of Using Nuclear Norm as a Convex Surrogate of Rank....Pages 226-241
Efficient Rank-one Residue Approximation Method for Graph Regularized Non-negative Matrix Factorization....Pages 242-255
Maximum Entropy Models for Iteratively Identifying Subjectively Interesting Structure in Real-Valued Data....Pages 256-271
An Analysis of Tensor Models for Learning on Structured Data....Pages 272-287
Learning Modewise Independent Components from Tensor Data Using Multilinear Mixing Model....Pages 288-303
Taxonomic Prediction with Tree-Structured Covariances....Pages 304-319
Position Preserving Multi-Output Prediction....Pages 320-335
Structured Output Learning with Candidate Labels for Local Parts....Pages 336-352
Shared Structure Learning for Multiple Tasks with Multiple Views....Pages 353-368
Using Both Latent and Supervised Shared Topics for Multitask Learning....Pages 369-384
Probabilistic Clustering for Hierarchical Multi-Label Classification of Protein Functions....Pages 385-400
Multi-core Structural SVM Training....Pages 401-416
Multi-label Classification with Output Kernels....Pages 417-432
Boosting for Unsupervised Domain Adaptation....Pages 433-448
Automatically Mapped Transfer between Reinforcement Learning Tasks via Three-Way Restricted Boltzmann Machines....Pages 449-464
A Layered Dirichlet Process for Hierarchical Segmentation of Sequential Grouped Data....Pages 465-482
A Bayesian Classifier for Learning from Tensorial Data....Pages 483-498
Prediction with Model-Based Neutrality....Pages 499-514
Decision-Theoretic Sparsification for Gaussian Process Preference Learning....Pages 515-530
Variational Hidden Conditional Random Fields with Coupled Dirichlet Process Mixtures....Pages 531-547
Sparsity in Bayesian Blind Source Separation and Deconvolution....Pages 548-563
Nested Hierarchical Dirichlet Process for Nonparametric Entity-Topic Analysis....Pages 564-579
Knowledge Intensive Learning: Combining Qualitative Constraints with Causal Independence for Parameter Learning in Probabilistic Models....Pages 580-595
Direct Learning of Sparse Changes in Markov Networks by Density Ratio Estimation....Pages 596-611
Greedy Part-Wise Learning of Sum-Product Networks....Pages 612-627
From Topic Models to Semi-supervised Learning: Biasing Mixed-Membership Models to Exploit Topic-Indicative Features in Entity Clustering....Pages 628-642
Hub Co-occurrence Modeling for Robust High-Dimensional k NN Classification....Pages 643-659
Fast k NN Graph Construction with Locality Sensitive Hashing....Pages 660-674
Mixtures of Large Margin Nearest Neighbor Classifiers....Pages 675-688
Back Matter....Pages -




نظرات کاربران