論文の概要: Proceedings of Symposium on Data Mining Applications 2014

• arxiv url: http://arxiv.org/abs/2001.11324v1
• Date: Wed, 29 Jan 2020 07:30:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 21:30:23.116454
• Title: Proceedings of Symposium on Data Mining Applications 2014
• Title（参考訳）: Data Mining Applications 2014 に参加して
• Authors: Basit Qureshi and Yasir Javed
• Abstract要約: SDMAは、統計、計算知性、パターン認識、データベース、ビッグデータマイニング、可視化など、幅広いデータマイニング関連分野から研究者やアプリケーション開発者を集めることを目的としている。 SDMAはMEGDAMによって組織され、データマイニング研究分野の最先端技術とその様々な実世界の応用を推進している。
• 参考スコア（独自算出の注目度）: 0.3553493344868413
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Symposium on Data Mining and Applications (SDMA 2014) is aimed to gather researchers and application developers from a wide range of data mining related areas such as statistics, computational intelligence, pattern recognition, databases, Big Data Mining and visualization. SDMA is organized by MEGDAM to advance the state of the art in data mining research field and its various real world applications. The symposium will provide opportunities for technical collaboration among data mining and machine learning researchers around the Saudi Arabia, GCC countries and Middle-East region. Acceptance will be based primarily on originality, significance and quality of contribution.
• Abstract（参考訳）: データマイニングと応用に関するシンポジウム(sdma 2014)は、統計、計算知、パターン認識、データベース、ビッグデータマイニング、可視化など、幅広いデータマイニング関連の分野から研究者やアプリケーション開発者を集めることを目的としている。 SDMAはMEGDAMによって組織され、データマイニング研究分野の最先端技術とその様々な実世界の応用を推進している。 このシンポジウムは、サウジアラビア、GCC諸国、中東地域のデータマイニングと機械学習研究者の間で技術協力の機会を提供する。 受け入れは、主に独創性、重要性、貢献の質に基づいている。

関連論文リスト

• Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
  我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。 我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
  論文  参考訳（メタデータ） (2024-08-01T21:38:09Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• Data Science for Geographic Information Systems [0.0]
  データサイエンスを地理情報システムに統合することで、これらのツールの完全な空間分析プラットフォームへの進化が促進された。 機械学習とビッグデータ技術の採用により、これらのプラットフォームはますます複雑なデータを扱う能力を備えてきた。 この研究は、研究分野としてのデータサイエンスとGISの歴史的・技術的進化を辿り、ドメイン間の収束の要点を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-04-04T18:50:58Z)
• Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
  本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。 研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。 本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
  論文  参考訳（メタデータ） (2023-03-18T19:17:47Z)
• DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
  DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。 私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。 ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
  論文  参考訳（メタデータ） (2022-07-20T17:47:54Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• EuroCrops: A Pan-European Dataset for Time Series Crop Type Classification [0.0]
  EuroCropsは、作物の分類とマッピングのための訓練と評価のための、自己宣言型フィールドアノテーションに基づくデータセットである。 これにより、地球観測とリモートセンシングによるデータ駆動型土地被覆分類の研究活動と議論の充実を図る。
  論文  参考訳（メタデータ） (2021-06-14T15:21:50Z)
• Machine Learning Information Fusion in Earth Observation: A Comprehensive Review of Methods, Applications and Data Sources [0.0]
  本稿では,地球観測における問題に対する機械学習(ML)技術に基づく最も重要な情報融合アルゴリズムについて概説する。 データ駆動アプローチ、特にML技術は、このデータルージュから重要な情報を抽出する自然な選択である。
  論文  参考訳（メタデータ） (2020-12-07T13:35:08Z)
• Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
  クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。 データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。 ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
  論文  参考訳（メタデータ） (2020-05-23T20:57:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。