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: Andreas Holzinger, Randy Goebel, Massimo Ferri, Vasile Palade (eds.) سری: Lecture Notes in Artificial Intelligence 10344 ISBN (شابک) : 9783319697741, 9783319697758 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 220 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 مگابایت
کلمات کلیدی مربوط به کتاب به سمت یادگیری یکپارچه سازی ماشین و استخراج دانش: کارگاه BIRS ، بنف ، AB ، کانادا ، 24-26 ژوئیه 2015 ، نسخه های تجدید نظر شده: هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Towards Integrative Machine Learning and Knowledge Extraction: BIRS Workshop, Banff, AB, Canada, July 24-26, 2015, Revised Selected Papers 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 به سمت یادگیری یکپارچه سازی ماشین و استخراج دانش: کارگاه BIRS ، بنف ، AB ، کانادا ، 24-26 ژوئیه 2015 ، نسخه های تجدید نظر شده 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.
کارگاه BIRS "پیشرفت در کشف دانش تعاملی و داده کاوی در مجموعه داده های پیچیده و بزرگ" (15w2181)، که در ژوئیه 2015 در Banff، کانادا برگزار شد، به تحریک یادگیری ماشینی یکپارچه بین دامنه ای اختصاص داشت. رویکرد و ارزیابی "موضوعات داغ" برای مقابله با چالش بزرگ دستیابی به سطحی از هوش محاسباتی مفید و قابل استفاده با تمرکز بر مشکلات دنیای واقعی، مانند حوزه سلامت. این شامل یادگیری از داده های قبلی، استخراج و کشف دانش، تعمیم نتایج، مبارزه با نفرین ابعاد، و در نهایت از هم گسیختگی عوامل توضیحی اساسی در داده های پیچیده است، به عنوان مثال، معنی دادن به داده ها در زمینه حوزه برنامه.
این کارگاه با هدف کمک به پیشرفتها در زمینههای جدید
امیدوارکننده مانند تقاطع یادگیری ماشین و تجزیه و تحلیل
دادههای توپولوژیکی انجام شد. تاریخ نشان داده است که اغلب
مناطق همپوشانی در تقاطع میدانهای به ظاهر ناهمگون برای تحریک
بینشهای جدید و پیشرفتهای بیشتر کلیدی هستند. این به ویژه
برای حوزه بسیار گسترده یادگیری ماشین صادق است.
The BIRS Workshop “Advances in Interactive Knowledge Discovery and Data Mining in Complex and Big Data Sets” (15w2181), held in July 2015 in Banff, Canada, was dedicated to stimulating a cross-domain integrative machine-learning approach and appraisal of “hot topics” toward tackling the grand challenge of reaching a level of useful and useable computational intelligence with a focus on real-world problems, such as in the health domain. This encompasses learning from prior data, extracting and discovering knowledge, generalizing the results, fighting the curse of dimensionality, and ultimately disentangling the underlying explanatory factors in complex data, i.e., to make sense of data within the context of the application domain.
The workshop aimed to contribute advancements in promising
novel areas such as at the intersection of machine learning
and topological data analysis. History has shown that most
often the overlapping areas at intersections of seemingly
disparate fields are key for the stimulation of new insights
and further advances. This is particularly true for the
extremely broad field of machine learning.
Front Matter ....Pages I-XVI
Towards Integrative Machine Learning and Knowledge Extraction (Andreas Holzinger, Randy Goebel, Vasile Palade, Massimo Ferri)....Pages 1-12
Machine Learning and Knowledge Extraction in Digital Pathology Needs an Integrative Approach (Andreas Holzinger, Bernd Malle, Peter Kieseberg, Peter M. Roth, Heimo Müller, Robert Reihs et al.)....Pages 13-50
Comparison of Public-Domain Software and Services For Probabilistic Record Linkage and Address Standardization (Sou-Cheng T. Choi, Yongheng Lin, Edward Mulrow)....Pages 51-66
Better Interpretable Models for Proteomics Data Analysis Using Rule-Based Mining (Fahrnaz Jayrannejad, Tim O. F. Conrad)....Pages 67-88
Probabilistic Logic Programming in Action (Arnaud Nguembang Fadja, Fabrizio Riguzzi)....Pages 89-116
Persistent Topology for Natural Data Analysis — A Survey (Massimo Ferri)....Pages 117-133
Predictive Models for Differentiation Between Normal and Abnormal EEG Through Cross-Correlation and Machine Learning Techniques (Jefferson Tales Oliva, João Luís Garcia Rosa)....Pages 134-145
A Brief Philosophical Note on Information (Vincenzo Manca)....Pages 146-149
Beyond Volume: The Impact of Complex Healthcare Data on the Machine Learning Pipeline (Keith Feldman, Louis Faust, Xian Wu, Chao Huang, Nitesh V. Chawla)....Pages 150-169
A Fast Semi-Automatic Segmentation Tool for Processing Brain Tumor Images (Andrew X. Chen, Raúl Rabadán)....Pages 170-181
Topological Characteristics of Oil and Gas Reservoirs and Their Applications (V. A. Baikov, R. R. Gilmanov, I. A. Taimanov, A. A. Yakovlev)....Pages 182-193
Convolutional and Recurrent Neural Networks for Activity Recognition in Smart Environment (Deepika Singh, Erinc Merdivan, Sten Hanke, Johannes Kropf, Matthieu Geist, Andreas Holzinger)....Pages 194-205
Back Matter ....Pages 207-207