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: Christos Faloutsos (auth.), José Luis Balcázar, Francesco Bonchi, Aristides Gionis, Michèle Sebag (eds.) سری: Lecture Notes in Computer Science 6321 : Lecture Notes in Artificial Intelligence ISBN (شابک) : 9783642158803, 3642158803 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2010 تعداد صفحات: 648 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین و کشف دانش در پایگاه های داده ها: کنفرانس اروپا ، ECML PKDD 2010 ، بارسلونا ، اسپانیا ، 20-24 سپتامبر ، 2010 ، مجموعه مقالات ، قسمت اول: هوش مصنوعی (شامل رباتیک)، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، ذخیره سازی و بازیابی اطلاعات، مدیریت پایگاه داده، داده کاوی و کشف دانش، سیستم های اطلاعاتی و خدمات ارتباطی
در صورت تبدیل فایل کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2010, Barcelona, Spain, September 20-24, 2010, 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 2010 ، بارسلونا ، اسپانیا ، 20-24 سپتامبر ، 2010 ، 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 کتاب مجموعه مقالات داوری کنفرانس مشترک یادگیری ماشین و کشف دانش در پایگاههای داده را تشکیل میدهد: ECML PKDD 2010، که در بارسلون، اسپانیا، در سپتامبر 2010 برگزار شد. 24 نسخه نمایشی ارسال شده)، با دقت بررسی و از بین 658 مقاله ارسالی انتخاب شدند. علاوه بر این، 7 مقاله ML و 7 DM توسط کرسی های برنامه بر اساس کیفیت علمی استثنایی و تأثیر بالای آنها در این زمینه متمایز شد. این کنفرانس در نظر دارد یک انجمن بین المللی برای بحث در مورد آخرین نتایج تحقیقاتی با کیفیت بالا در تمام زمینه های مرتبط با یادگیری ماشین و کشف دانش در پایگاه های داده فراهم کند. موضوعی که به طور گسترده از هر دو دیدگاه ML و DM مورد بررسی قرار گرفت، نمودارها بود، با انگیزه های مختلف از شیمی مولکولی تا شبکه های اجتماعی.
This book constitutes the refereed proceedings of the joint conference on Machine Learning and Knowledge Discovery in Databases: ECML PKDD 2010, held in Barcelona, Spain, in September 2010. The 120 revised full papers presented in three volumes, together with 12 demos (out of 24 submitted demos), were carefully reviewed and selected from 658 paper submissions. In addition, 7 ML and 7 DM papers were distinguished by the program chairs on the basis of their exceptional scientific quality and high impact on the field. The conference intends to provide an international forum for the discussion of the latest high quality research results in all areas related to machine learning and knowledge discovery in databases. A topic widely explored from both ML and DM perspectives was graphs, with motivations ranging from molecular chemistry to social networks.
Front Matter....Pages -
Mining Billion-Node Graphs: Patterns, Generators and Tools....Pages 1-1
Structure Is Informative: On Mining Structured Information Networks....Pages 2-2
Intelligent Interaction with the Real World....Pages 3-3
Mining Experimental Data for Dynamical Invariants - From Cognitive Robotics to Computational Biology....Pages 4-4
Hierarchical Learning Machines and Neuroscience of Visual Cortex....Pages 5-5
Formal Theory of Fun and Creativity....Pages 6-6
Porting Decision Tree Algorithms to Multicore Using FastFlow....Pages 7-23
On Classifying Drifting Concepts in P2P Networks....Pages 24-39
A Unified Approach to Active Dual Supervision for Labeling Features and Examples....Pages 40-55
Vector Field Learning via Spectral Filtering....Pages 56-71
Weighted Symbols-Based Edit Distance for String-Structured Image Classification....Pages 72-86
A Concise Representation of Association Rules Using Minimal Predictive Rules....Pages 87-102
Euclidean Distances, Soft and Spectral Clustering on Weighted Graphs....Pages 103-118
Adaptive Parallel/Serial Sampling Mechanisms for Particle Filtering in Dynamic Bayesian Networks....Pages 119-134
Leveraging Bagging for Evolving Data Streams....Pages 135-150
ITCH: Information-Theoretic Cluster Hierarchies....Pages 151-167
Coniunge et Impera: Multiple-Graph Mining for Query-Log Analysis....Pages 168-183
Process Mining Meets Abstract Interpretation....Pages 184-199
Smarter Sampling in Model-Based Bayesian Reinforcement Learning....Pages 200-214
Predicting Partial Orders: Ranking with Abstention....Pages 215-230
Predictive Distribution Matching SVM for Multi-domain Learning....Pages 231-247
Kantorovich Distances between Rankings with Applications to Rank Aggregation....Pages 248-263
Characteristic Kernels on Structured Domains Excel in Robotics and Human Action Recognition....Pages 264-279
Regret Analysis for Performance Metrics in Multi-Label Classification: The Case of Hamming and Subset Zero-One Loss....Pages 280-295
Clustering Vessel Trajectories with Alignment Kernels under Trajectory Compression....Pages 296-311
Adaptive Bases for Reinforcement Learning....Pages 312-327
Constructing Nonlinear Discriminants from Multiple Data Views....Pages 328-343
Learning Algorithms for Link Prediction Based on Chance Constraints....Pages 344-360
Sparse Unsupervised Dimensionality Reduction Algorithms....Pages 361-376
Asking Generalized Queries to Ambiguous Oracle....Pages 377-392
Analysis of Large Multi-modal Social Networks: Patterns and a Generator....Pages 393-408
A Cluster-Level Semi-supervision Model for Interactive Clustering....Pages 409-424
Software-Defect Localisation by Mining Dataflow-Enabled Call Graphs....Pages 425-441
Induction of Concepts in Web Ontologies through Terminological Decision Trees....Pages 442-457
Classification with Sums of Separable Functions....Pages 458-473
Feature Selection for Reinforcement Learning: Evaluating Implicit State-Reward Dependency via Conditional Mutual Information....Pages 474-489
Bagging for Biclustering: Application to Microarray Data....Pages 490-505
Hub Gene Selection Methods for the Reconstruction of Transcription Networks....Pages 506-521
Expectation Propagation for Bayesian Multi-task Feature Selection....Pages 522-537
Graphical Multi-way Models....Pages 538-553
Exploration-Exploitation of Eye Movement Enriched Multiple Feature Spaces for Content-Based Image Retrieval....Pages 554-569
Graph Regularized Transductive Classification on Heterogeneous Information Networks....Pages 570-586
Temporal Maximum Margin Markov Network....Pages 587-600
Gaussian Processes for Sample Efficient Reinforcement Learning with RMAX-Like Exploration....Pages 601-616
Back Matter....Pages -