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: 1st ed. نویسندگان: Michele Berlingerio, Francesco Bonchi, Thomas Gärtner, Neil Hurley, Georgiana Ifrim سری: Lecture Notes in Computer Science 11051 ISBN (شابک) : 9783030109240, 9783030109257 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 765 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 78 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین و کشف دانش در پایگاههای داده: کنفرانس اروپایی، ECML PKDD 2018، دوبلین، ایرلند، 10 تا 14 سپتامبر 2018، مجموعه مقالات، بخش اول: علوم کامپیوتر، داده کاوی و کشف دانش، پردازش تصویر و بینایی کامپیوتر، اپلیکیشن کامپیوتر. در علوم اجتماعی و رفتاری، محاسبات محیطی، امنیت
در صورت تبدیل فایل کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, 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 پایگاههای داده: کنفرانس اروپایی، ECML PKDD 2018، دوبلین، ایرلند، 10 تا 14 سپتامبر 2018، مجموعه مقالات، بخش 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.
جلوههای سه جلدی LNAI 11051 – 11053، مجموعه مقالات داوری کنفرانس اروپایی در مورد یادگیری ماشین و کشف دانش در پایگاههای داده، ECML PKDD 2018، برگزار شده در دوبلین، ایرلند، در سپتامبر 2018 است.
مجموع 131 مورد منظم مقالات ارائه شده در بخش اول و دوم به دقت مورد بررسی قرار گرفت و از بین 535 مورد ارسالی انتخاب شد. 52 مقاله در علم داده کاربردی، شهد و آهنگ آزمایشی وجود دارد.
مشارکتها در بخشهای موضوعی با نامهای زیر سازماندهی
شدند:
بخش اول: یادگیری متخاصم. تشخیص ناهنجاری و پرت؛ برنامه های
کاربردی؛ طبقه بندی؛ خوشه بندی و یادگیری بدون نظارت؛ روش های
یادگیری عمیق مجموعه؛ و ارزیابی.
قسمت دوم: نمودارها; روش های هسته؛ پارادایم های یادگیری؛ تحلیل
ماتریس و تانسور؛ یادگیری آنلاین و فعال؛ استخراج الگو و توالی؛
مدل های احتمالی و روش های آماری؛ سیستم توصیهگر؛ و انتقال
یادگیری
بخش سوم: کاربردهای علم داده ADS. تجارت الکترونیک ADS؛ مهندسی
و طراحی ADS؛ مالی و امنیتی ADS؛ سلامت ADS؛ سنجش و موقعیت یابی
ADS. مسیر شهد؛ و آهنگ آزمایشی.
The three volume proceedings LNAI 11051 – 11053 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD 2018, held in Dublin, Ireland, in September 2018.
The total of 131 regular papers presented in part I and part II was carefully reviewed and selected from 535 submissions; there are 52 papers in the applied data science, nectar and demo track.
The contributions were organized in topical sections named as
follows:
Part I: adversarial learning; anomaly and outlier detection;
applications; classification; clustering and unsupervised
learning; deep learningensemble methods; and
evaluation.
Part II: graphs; kernel methods; learning paradigms; matrix
and tensor analysis; online and active learning; pattern and
sequence mining; probabilistic models and statistical
methods; recommender systems; and transfer learning.
Part III: ADS data science applications; ADS e-commerce; ADS
engineering and design; ADS financial and security; ADS
health; ADS sensing and positioning; nectar track; and demo
track.
Front Matter ....Pages I-XXXVIII
Front Matter ....Pages 1-1
Image Anomaly Detection with Generative Adversarial Networks (Lucas Deecke, Robert Vandermeulen, Lukas Ruff, Stephan Mandt, Marius Kloft)....Pages 3-17
Image-to-Markup Generation via Paired Adversarial Learning (Jin-Wen Wu, Fei Yin, Yan-Ming Zhang, Xu-Yao Zhang, Cheng-Lin Liu)....Pages 18-34
Toward an Understanding of Adversarial Examples in Clinical Trials (Konstantinos Papangelou, Konstantinos Sechidis, James Weatherall, Gavin Brown)....Pages 35-51
ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector (Shang-Tse Chen, Cory Cornelius, Jason Martin, Duen Horng (Polo) Chau)....Pages 52-68
Front Matter ....Pages 69-69
GridWatch: Sensor Placement and Anomaly Detection in the Electrical Grid (Bryan Hooi, Dhivya Eswaran, Hyun Ah Song, Amritanshu Pandey, Marko Jereminov, Larry Pileggi et al.)....Pages 71-86
Incorporating Privileged Information to Unsupervised Anomaly Detection (Shubhranshu Shekhar, Leman Akoglu)....Pages 87-104
L1-Depth Revisited: A Robust Angle-Based Outlier Factor in High-Dimensional Space (Ninh Pham)....Pages 105-121
Beyond Outlier Detection: LookOut for Pictorial Explanation (Nikhil Gupta, Dhivya Eswaran, Neil Shah, Leman Akoglu, Christos Faloutsos)....Pages 122-138
ConOut: Contextual Outlier Detection with Multiple Contexts: Application to Ad Fraud (M. Y. Meghanath, Deepak Pai, Leman Akoglu)....Pages 139-156
Scalable and Interpretable One-Class SVMs with Deep Learning and Random Fourier Features (Minh-Nghia Nguyen, Ngo Anh Vien)....Pages 157-172
Group Anomaly Detection Using Deep Generative Models (Raghavendra Chalapathy, Edward Toth, Sanjay Chawla)....Pages 173-189
Front Matter ....Pages 191-191
Detecting Autism by Analyzing a Simulated Social Interaction (Hanna Drimalla, Niels Landwehr, Irina Baskow, Behnoush Behnia, Stefan Roepke, Isabel Dziobek et al.)....Pages 193-208
A Discriminative Model for Identifying Readers and Assessing Text Comprehension from Eye Movements (Silvia Makowski, Lena A. Jäger, Ahmed Abdelwahab, Niels Landwehr, Tobias Scheffer)....Pages 209-225
Face-Cap: Image Captioning Using Facial Expression Analysis (Omid Mohamad Nezami, Mark Dras, Peter Anderson, Len Hamey)....Pages 226-240
Pedestrian Trajectory Prediction with Structured Memory Hierarchies (Tharindu Fernando, Simon Denman, Sridha Sridharan, Clinton Fookes)....Pages 241-256
Front Matter ....Pages 257-257
Multiple Instance Learning with Bag-Level Randomized Trees (Tomáš Komárek, Petr Somol)....Pages 259-272
One-Class Quantification (Denis dos Reis, André Maletzke, Everton Cherman, Gustavo Batista)....Pages 273-289
Deep F-Measure Maximization in Multi-label Classification: A Comparative Study (Stijn Decubber, Thomas Mortier, Krzysztof Dembczyński, Willem Waegeman)....Pages 290-305
Ordinal Label Proportions (Rafael Poyiadzi, Raúl Santos-Rodríguez, Tijl De Bie)....Pages 306-321
AWX: An Integrated Approach to Hierarchical-Multilabel Classification (Luca Masera, Enrico Blanzieri)....Pages 322-336
Front Matter ....Pages 337-337
Clustering in the Presence of Concept Drift (Richard Hugh Moulton, Herna L. Viktor, Nathalie Japkowicz, João Gama)....Pages 339-355
Time Warp Invariant Dictionary Learning for Time Series Clustering: Application to Music Data Stream Analysis (Saeed Varasteh Yazdi, Ahlame Douzal-Chouakria, Patrick Gallinari, Manuel Moussallam)....Pages 356-372
How Your Supporters and Opponents Define Your Interestingness (Bruno Crémilleux, Arnaud Giacometti, Arnaud Soulet)....Pages 373-389
Front Matter ....Pages 391-391
Efficient Decentralized Deep Learning by Dynamic Model Averaging (Michael Kamp, Linara Adilova, Joachim Sicking, Fabian Hüger, Peter Schlicht, Tim Wirtz et al.)....Pages 393-409
Using Supervised Pretraining to Improve Generalization of Neural Networks on Binary Classification Problems (Alex Yuxuan Peng, Yun Sing Koh, Patricia Riddle, Bernhard Pfahringer)....Pages 410-425
Towards Efficient Forward Propagation on Resource-Constrained Systems (Günther Schindler, Matthias Zöhrer, Franz Pernkopf, Holger Fröning)....Pages 426-442
Auxiliary Guided Autoregressive Variational Autoencoders (Thomas Lucas, Jakob Verbeek)....Pages 443-458
Cooperative Multi-agent Policy Gradient (Guillaume Bono, Jilles Steeve Dibangoye, Laëtitia Matignon, Florian Pereyron, Olivier Simonin)....Pages 459-476
Parametric t-Distributed Stochastic Exemplar-Centered Embedding (Martin Renqiang Min, Hongyu Guo, Dinghan Shen)....Pages 477-493
Joint Autoencoders: A Flexible Meta-learning Framework (Baruch Epstein, Ron Meir, Tomer Michaeli)....Pages 494-509
Privacy Preserving Synthetic Data Release Using Deep Learning (Nazmiye Ceren Abay, Yan Zhou, Murat Kantarcioglu, Bhavani Thuraisingham, Latanya Sweeney)....Pages 510-526
On Finer Control of Information Flow in LSTMs (Hang Gao, Tim Oates)....Pages 527-540
MaxGain: Regularisation of Neural Networks by Constraining Activation Magnitudes (Henry Gouk, Bernhard Pfahringer, Eibe Frank, Michael J. Cree)....Pages 541-556
Ontology Alignment Based on Word Embedding and Random Forest Classification (Ikechukwu Nkisi-Orji, Nirmalie Wiratunga, Stewart Massie, Kit-Ying Hui, Rachel Heaven)....Pages 557-572
Domain Adaption in One-Shot Learning (Nanqing Dong, Eric P. Xing)....Pages 573-588
Front Matter ....Pages 589-589
Axiomatic Characterization of AdaBoost and the Multiplicative Weight Update Procedure (Ibrahim Alabdulmohsin)....Pages 591-604
Modular Dimensionality Reduction (Henry W. J. Reeve, Tingting Mu, Gavin Brown)....Pages 605-619
Constructive Aggregation and Its Application to Forecasting with Dynamic Ensembles (Vitor Cerqueira, Fabio Pinto, Luis Torgo, Carlos Soares, Nuno Moniz)....Pages 620-636
MetaBags: Bagged Meta-Decision Trees for Regression (Jihed Khiari, Luis Moreira-Matias, Ammar Shaker, Bernard Ženko, Sašo Džeroski)....Pages 637-652
Front Matter ....Pages 653-653
Visualizing the Feature Importance for Black Box Models (Giuseppe Casalicchio, Christoph Molnar, Bernd Bischl)....Pages 655-670
Efficient Estimation of AUC in a Sliding Window (Nikolaj Tatti)....Pages 671-686
Controlling and Visualizing the Precision-Recall Tradeoff for External Performance Indices (Blaise Hanczar, Mohamed Nadif)....Pages 687-702
Evaluation Procedures for Forecasting with Spatio-Temporal Data (Mariana Oliveira, Luís Torgo, Vítor Santos Costa)....Pages 703-718
A Blended Metric for Multi-label Optimisation and Evaluation (Laurence A. F. Park, Jesse Read)....Pages 719-734
Back Matter ....Pages 735-740