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 2012, Bristol, UK, September 24-28, 2012. Proceedings, Part I

دانلود کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2012، بریستول، انگلستان، 24-28 سپتامبر 2012، فصل اول، قسمت اول

Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2012, Bristol, UK, September 24-28, 2012. Proceedings, Part I

مشخصات کتاب

Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2012, Bristol, UK, September 24-28, 2012. Proceedings, Part I

ویرایش: 1 
نویسندگان: , , ,   
سری: Lecture Notes in Computer Science 7523 
ISBN (شابک) : 9783642334597, 3642334601 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2012 
تعداد صفحات: 904 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 30 مگابایت 

قیمت کتاب (تومان) : 56,000



کلمات کلیدی مربوط به کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2012، بریستول، انگلستان، 24-28 سپتامبر 2012، فصل اول، 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



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2012, Bristol, UK, September 24-28, 2012. 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: کنفرانس اروپایی، ECML PKDD 2012، بریستول، انگلستان، 24-28 سپتامبر 2012، فصل اول، 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.


توضیحاتی در مورد کتاب یادگیری ماشین و کشف دانش در پایگاه های داده: کنفرانس اروپایی، ECML PKDD 2012، بریستول، انگلستان، 24-28 سپتامبر 2012، فصل اول، قسمت اول



این مجموعه دو جلدی LNAI 7523 و LNAI 7524، مجموعه مقالات داوری کنفرانس اروپایی در زمینه یادگیری ماشین و کشف دانش در پایگاه‌های داده را تشکیل می‌دهد: ECML PKDD 2012، که در بریستول، انگلستان، در سپتامبر 2012 برگزار شد. به همراه 5 سخنرانی دعوت شده به دقت بررسی و از بین 443 مورد ارسالی انتخاب شد. بخش‌های پایانی این مجموعه به مقالات دمو و نکتار اختصاص دارد. آهنگ دمو شامل 10 مقاله (از 19 مقاله ارسالی) و آهنگ Nectar شامل 4 مقاله (از 14 مقاله ارسالی) است. مقالات در بخش های موضوعی در مورد قوانین انجمن و الگوهای مکرر گروه بندی شدند. یادگیری بیزی و مدل های گرافیکی. طبقه بندی؛ کاهش ابعاد، انتخاب ویژگی و استخراج؛ روش ها و هسته های مبتنی بر فاصله؛ روش های گروهی؛ استخراج نمودار و درخت؛ استخراج و یادگیری در مقیاس بزرگ، توزیع شده و موازی؛ کاوی و یادگیری چند رابطه ای؛ یادگیری چند وظیفه ای؛ پردازش زبان طبیعی؛ یادگیری آنلاین و جریان های داده؛ حریم خصوصی و امنیت؛ رتبه بندی و توصیه ها؛ یادگیری و برنامه ریزی تقویتی؛ استخراج قانون و کشف زیر گروه. یادگیری نیمه نظارتی و انتقالی؛ داده های حسگر؛ استخراج توالی و رشته; استخراج شبکه های اجتماعی؛ داده کاوی مکانی و جغرافیایی؛ روش های آماری و ارزیابی؛ سری زمانی و داده کاوی زمانی؛ و یادگیری را انتقال دهید.


توضیحاتی درمورد کتاب به خارجی

This two-volume set LNAI 7523 and LNAI 7524 constitutes the refereed proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases: ECML PKDD 2012, held in Bristol, UK, in September 2012. The 105 revised research papers presented together with 5 invited talks were carefully reviewed and selected from 443 submissions. The final sections of the proceedings are devoted to Demo and Nectar papers. The Demo track includes 10 papers (from 19 submissions) and the Nectar track includes 4 papers (from 14 submissions). The papers grouped in topical sections on association rules and frequent patterns; Bayesian learning and graphical models; classification; dimensionality reduction, feature selection and extraction; distance-based methods and kernels; ensemble methods; graph and tree mining; large-scale, distributed and parallel mining and learning; multi-relational mining and learning; multi-task learning; natural language processing; online learning and data streams; privacy and security; rankings and recommendations; reinforcement learning and planning; rule mining and subgroup discovery; semi-supervised and transductive learning; sensor data; sequence and string mining; social network mining; spatial and geographical data mining; statistical methods and evaluation; time series and temporal data mining; and transfer learning.



فهرست مطالب

Front Matter....Pages -
Machine Learning for Robotics....Pages 1-1
Declarative Modeling for Machine Learning and Data Mining....Pages 2-3
Machine Learning Methods for Music Discovery and Recommendation....Pages 4-4
Solving Problems with Visual Analytics: Challenges and Applications....Pages 5-6
Analyzing Text and Social Network Data with Probabilistic Models....Pages 7-8
Discovering Descriptive Tile Trees....Pages 9-24
Efficient Discovery of Association Rules and Frequent Itemsets through Sampling with Tight Performance Guarantees....Pages 25-41
Smoothing Categorical Data....Pages 42-57
An Experimental Comparison of Hybrid Algorithms for Bayesian Network Structure Learning....Pages 58-73
Bayesian Network Classifiers with Reduced Precision Parameters....Pages 74-89
Combining Subjective Probabilities and Data in Training Markov Logic Networks....Pages 90-105
Score-Based Bayesian Skill Learning....Pages 106-121
A Note on Extending Generalization Bounds for Binary Large-Margin Classifiers to Multiple Classes....Pages 122-129
Extension of the Rocchio Classification Method to Multi-modal Categorization of Documents in Social Media....Pages 130-142
Label-Noise Robust Logistic Regression and Its Applications....Pages 143-158
Sentiment Classification with Supervised Sequence Embedding....Pages 159-174
The Bitvector Machine: A Fast and Robust Machine Learning Algorithm for Non-linear Problems....Pages 175-190
Embedding Monte Carlo Search of Features in Tree-Based Ensemble Methods....Pages 191-206
Hypergraph Spectra for Semi-supervised Feature Selection....Pages 207-222
Learning Neighborhoods for Metric Learning....Pages 223-236
Massively Parallel Feature Selection: An Approach Based on Variance Preservation....Pages 237-252
PCA, Eigenvector Localization and Clustering for Side-Channel Attacks on Cryptographic Hardware Devices....Pages 253-268
Classifying Stem Cell Differentiation Images by Information Distance....Pages 269-282
Distance Metric Learning Revisited....Pages 283-298
Geodesic Analysis on the Gaussian RKHS Hypersphere....Pages 299-313
Boosting Nearest Neighbors for the Efficient Estimation of Posteriors....Pages 314-329
Diversity Regularized Ensemble Pruning....Pages 330-345
Ensembles on Random Patches....Pages 346-361
An Efficiently Computable Support Measure for Frequent Subgraph Pattern Mining....Pages 362-377
Efficient Graph Kernels by Randomization....Pages 378-393
Graph Mining for Object Tracking in Videos....Pages 394-409
Hypergraph Learning with Hyperedge Expansion....Pages 410-425
Nearly Exact Mining of Frequent Trees in Large Networks....Pages 426-441
Reachability Analysis and Modeling of Dynamic Event Networks....Pages 442-457
CC-MR – Finding Connected Components in Huge Graphs with MapReduce....Pages 458-473
Fast Near Neighbor Search in High-Dimensional Binary Data....Pages 474-489
Fully Sparse Topic Models....Pages 490-505
Learning Compact Class Codes for Fast Inference in Large Multi Class Classification....Pages 506-520
ParCube: Sparse Parallelizable Tensor Decompositions....Pages 521-536
Stochastic Coordinate Descent Methods for Regularized Smooth and Nonsmooth Losses....Pages 537-552
Sublinear Algorithms for Penalized Logistic Regression in Massive Datasets....Pages 553-568
Author Name Disambiguation Using a New Categorical Distribution Similarity....Pages 569-584
Lifted Online Training of Relational Models with Stochastic Gradient Methods....Pages 585-600
Scalable Relation Prediction Exploiting Both Intrarelational Correlation and Contextual Information....Pages 601-616
Relational Differential Prediction....Pages 617-632
Efficient Training of Graph-Regularized Multitask SVMs....Pages 633-647
Geometry Preserving Multi-task Metric Learning....Pages 648-664
Learning and Inference in Probabilistic Classifier Chains with Beam Search....Pages 665-680
Learning Multiple Tasks with Boosted Decision Trees....Pages 681-696
Multi-Task Boosting by Exploiting Task Relationships....Pages 697-710
Sparse Gaussian Processes for Multi-task Learning....Pages 711-727
Collective Information Extraction with Context-Specific Consistencies....Pages 728-743
Supervised Learning of Semantic Relatedness....Pages 744-759
Unsupervised Bayesian Part of Speech Inference with Particle Gibbs....Pages 760-773
WikiSent: Weakly Supervised Sentiment Analysis through Extractive Summarization with Wikipedia....Pages 774-793
Adaptive Two-View Online Learning for Math Topic Classification....Pages 794-809
BDUOL: Double Updating Online Learning on a Fixed Budget....Pages 810-826
Handling Time Changing Data with Adaptive Very Fast Decision Rules....Pages 827-842
Improved Counter Based Algorithms for Frequent Pairs Mining in Transactional Data Streams....Pages 843-858
Mirror Descent for Metric Learning: A Unified Approach....Pages 859-874
Back Matter....Pages -




نظرات کاربران