Merkzettel Warenkorb
  • Produktbild: Machine Learning and Knowledge Discovery in Databases
  • Produktbild: Machine Learning and Knowledge Discovery in Databases
Band 11051

Machine Learning and Knowledge Discovery in Databases European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part I

Aus der Reihe Lecture Notes in Artificial Intelligence

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

18.01.2019

Abbildungen

XXXVIII, 451 illus., 159 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Michele Berlingerio + weitere

Verlag

Springer

Seitenzahl

740

Maße (L/B/H)

23,5/15,5/4,2 cm

Gewicht

1159 g

Auflage

1st ed. 2019

Sprache

Englisch

ISBN

978-3-030-10924-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

18.01.2019

Abbildungen

XXXVIII, 451 illus., 159 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

740

Maße (L/B/H)

23,5/15,5/4,2 cm

Gewicht

1159 g

Auflage

1st ed. 2019

Sprache

Englisch

ISBN

978-3-030-10924-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Machine Learning and Knowledge Discovery in Databases
  • Produktbild: Machine Learning and Knowledge Discovery in Databases

  • Adversarial Learning.- Image Anomaly Detection with Generative Adversarial Networks.- Image-to-Markup Generation via Paired Adversarial Learning.- Toward an Understanding of Adversarial Examples in Clinical Trials.- ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector.- Anomaly and Outlier Detection.- GridWatch: Sensor Placement and Anomaly Detection in the Electrical Grid.- Incorporating Privileged Information to Unsupervised Anomaly Detection.- L1-Depth Revisited: A Robust Angle-based Outlier Factor in High-dimensional Space.- Beyond Outlier Detection: LookOut for Pictorial Explanation.- Scalable and Interpretable One-class SVMs with Deep Learning and Random Fourier Features.- Group Anomaly Detection using Deep Generative Models.- Applications.- A Discriminative Model for Identifying Readers and Assessing Text Comprehension from Eye Movements.- Face-Cap: Image Captioning using Facial Expression Analysis.- Pedestrian Trajectory Prediction with Structured Memory Hierarchies.- Classification.- Multiple Instance Learning with Bag-level Randomized Trees.- One-class Quantification.- Deep F-Measure Maximization in Multi-Label Classification: A Comparative Study.- Ordinal Label Proportions.- AWX: An Integrated Approach to Hierarchical-Multilabel Classification.- Clustering and Unsupervised Learning.- Clustering in the Presence of Concept Drift.- Time Warp Invariant Dictionary Learning for Time Series Clustering.- How Your Supporters and Opponents Define Your Interestingness.- Deep Learning.- Efficient Decentralized Deep Learning by Dynamic Model Averaging.- Using Supervised Pretraining to Improve Generalization of Neural Networks on Binary Classification Problems.- Towards Efficient Forward Propagation on Resource-Constrained Systems.- Auxiliary Guided Autoregressive Variational Autoencoders.- Cooperative Multi-Agent Policy Gradient.- Parametric t-Distributed Stochastic Exemplar-centered Embedding.- Joint autoencoders: a flexible meta-learning framework.- Privacy Preserving Synthetic Data Release Using Deep Learning.- On Finer Control of Information Flow in LSTMs.- MaxGain: Regularisation of Neural Networks by Constraining Activation Magnitudes.- Ontology alignment based on word embedding and random forest classification.- Domain Adaption in One-Shot Learning.- Ensemble Methods.- Axiomatic Characterization of AdaBoost and the Multiplicative Weight Update Procedure.- Modular Dimensionality Reduction.- Constructive Aggregation and its Application to Forecasting with Dynamic Ensembles.- MetaBags: Bagged Meta-Decision Trees for Regression.- Evaluation.- Visualizing the Feature Importance for Black Box Models.- Efficient estimation of AUC in a sliding window.- Controlling and visualizing the precision-recall tradeoff for external performance indices.- Evaluation Procedures for Forecasting with Spatio-Temporal Data.- A Blended Metric for Multi-label Optimisation and Evaluation.