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: Edouard Klein, Bilal Piot, Matthieu Geist, Olivier Pietquin (auth.), Hendrik Blockeel, Kristian Kersting, Siegfried Nijssen, Filip Železný (eds.) سری: Lecture Notes in Computer Science 8188 ISBN (شابک) : 9783642409875, 9783642409882 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2013 تعداد صفحات: 739 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب یادگیری ماشین و کشف دانش در پایگاه های داده ها: کنفرانس اروپا ، ECML PKDD 2013 ، پراگ ، جمهوری چک ، 23-27 سپتامبر 2013 ، مجموعه مقالات ، قسمت اول: 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
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 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 ها: کنفرانس اروپا ، ECML PKDD 2013 ، پراگ ، جمهوری چک ، 23-27 سپتامبر 2013 ، مجموعه 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.
این مجموعه سه جلدی LNAI 8188، 8189 و 8190 مجموعه مقالات داوری کنفرانس اروپایی در مورد 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.
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.
Front Matter....Pages -
A Cascaded Supervised Learning Approach to Inverse Reinforcement Learning....Pages 1-16
Learning from Demonstrations: Is It Worth Estimating a Reward Function?....Pages 17-32
Recognition of Agents Based on Observation of Their Sequential Behavior....Pages 33-48
Learning Throttle Valve Control Using Policy Search....Pages 49-64
Model-Selection for Non-parametric Function Approximation in Continuous Control Problems: A Case Study in a Smart Energy System....Pages 65-80
Learning Graph-Based Representations for Continuous Reinforcement Learning Domains....Pages 81-96
Regret Bounds for Reinforcement Learning with Policy Advice....Pages 97-112
Exploiting Multi-step Sample Trajectories for Approximate Value Iteration....Pages 113-128
Expectation Maximization for Average Reward Decentralized POMDPs....Pages 129-144
Properly Acting under Partial Observability with Action Feasibility Constraints....Pages 145-161
Iterative Model Refinement of Recommender MDPs Based on Expert Feedback....Pages 162-177
Solving Relational MDPs with Exogenous Events and Additive Rewards....Pages 178-193
Continuous Upper Confidence Trees with Polynomial Exploration – Consistency....Pages 194-209
A Lipschitz Exploration-Exploitation Scheme for Bayesian Optimization....Pages 210-224
Parallel Gaussian Process Optimization with Upper Confidence Bound and Pure Exploration....Pages 225-240
Greedy Confidence Pursuit: A Pragmatic Approach to Multi-bandit Optimization....Pages 241-256
A Time and Space Efficient Algorithm for Contextual Linear Bandits....Pages 257-272
Knowledge Transfer for Multi-labeler Active Learning....Pages 273-288
Spectral Learning of Sequence Taggers over Continuous Sequences....Pages 289-304
Fast Variational Bayesian Linear State-Space Model....Pages 305-320
Inhomogeneous Parsimonious Markov Models....Pages 321-336
Explaining Interval Sequences by Randomization....Pages 337-352
Itemset Based Sequence Classification....Pages 353-368
A Relevance Criterion for Sequential Patterns....Pages 369-384
A Fast and Simple Method for Mining Subsequences with Surprising Event Counts....Pages 385-400
Relevant Subsequence Detection with Sparse Dictionary Learning....Pages 401-416
Future Locations Prediction with Uncertain Data....Pages 417-432
Modeling Short-Term Energy Load with Continuous Conditional Random Fields....Pages 433-448
Fault Tolerant Regression for Sensor Data....Pages 449-464
Pitfalls in Benchmarking Data Stream Classification and How to Avoid Them....Pages 465-479
Adaptive Model Rules from Data Streams....Pages 480-492
Fast and Exact Mining of Probabilistic Data Streams....Pages 493-508
Detecting Bicliques in GF[q]....Pages 509-524
As Strong as the Weakest Link:Mining Diverse Cliques in Weighted Graphs....Pages 525-540
How Robust Is the Core of a Network?....Pages 541-556
Community Distribution Outlier Detection in Heterogeneous Information Networks....Pages 557-573
Protein Function Prediction Using Dependence Maximization....Pages 574-589
Improving Relational Classification Using Link Prediction Techniques....Pages 590-605
A Fast Approximation of the Weisfeiler-Lehman Graph Kernel for RDF Data....Pages 606-621
Efficient Frequent Connected Induced Subgraph Mining in Graphs of Bounded Tree-Width....Pages 622-637
Continuous Similarity Computation over Streaming Graphs....Pages 638-653
Trend Mining in Dynamic Attributed Graphs....Pages 654-669
Sparse Relational Topic Models for Document Networks....Pages 670-685
Back Matter....Pages -