-
shima__shima
- 2450
- 11
- 0
- 0
-
- いいね！0
DM2L Research Group
@LirisDM2L
A. Narassiguin @anil_nara presenting latest results @LIRISLyon @LirisDM2L on dynamic ensemble selection @ECMLPKDD 17 github.com/naranil/pcc_des pic.twitter.com/bWk45DfAgp
2017-09-19 19:00:57
拡大
thorshammer
@thorshammmer
Great opening of @ECMLPKDD #ecmlpkdd2017 #macedonia pic.twitter.com/awh3CJlimM
2017-09-19 19:07:41
拡大
koh_t
@koh_t
@m_ishihata @jkomiyama_ モデルアンサンブルの重みを適応的に変えて時系列予測する問題があるらしくモデルがアームに見えたってわけだが、闇なのか。。。GPとかにしたらいいのかねぇ。。
2017-09-19 20:46:58
Hamda Ajmal
@hamdabinteajmal
Interesting paper on Discovery of causal BN models that contain latent variables using Bayesian scoring of Independence constraints. #ecml pic.twitter.com/PRdMUMrQvu
2017-09-19 22:02:14
拡大
koh_t
@koh_t
人工衛星にのせたハイパースペクトルカメラから取れた地表のデータのPOIを識別するコンペ。1位はF値で99行ってるからもうやることなさそう。
2017-09-19 23:21:09
Tetsuro Kitahara
@tetsurokitahara
これが約200円！サイゼリヤ並み！ pic.twitter.com/pLEkBpA6L5
2017-09-20 00:07:21
拡大
Data Intelligence
@DataIntelGroup
@EmilieMorvant @ECMLPKDD #ECML 2017 : talk on #machineLearning #PACBayesian Theory for #MultiviewLearning hal.archives-ouvertes.fr/hal-01546109/f… pic.twitter.com/EgUlsu5Uo0
2017-09-20 00:23:06
拡大
拡大
ECML PKDD
@ECMLPKDD
Awesome and "confusing" talk by @johnquackenbush #ecmlpkdd2017 pic.twitter.com/FN6R0OEMLw
2017-09-20 03:25:58
拡大
拡大
拡大
しましま
@shima__shima
Music Generation Using Bayesian Networks ジャズ風といった音楽のスタイルをデータから獲得し，そのようなアレンジをする． メロディのコード進行を予測し，伴奏を付ける
2017-09-20 04:40:00
しましま
@shima__shima
Data-Driven Approaches for Smart Parking 30%近い市内交通は駐車スペース探しらしい パーキーングメーターとか，タクシーにつけたセンサーとかを使って駐車スペースを探して推薦する
2017-09-20 04:40:11
しましま
@shima__shima
招待講演 John Quackenbush．前半はGWASのお話で，ネットワークのコミュニティ抽出技術とかで遺伝子と表現型の関係を見いだす．後半の gene regulatory process というのはついてゆけなかった．
2017-09-20 04:40:23
しましま
@shima__shima
招待講演 Inderjit Dhillon さん．私には00年代にクラスタリングをしていたときによく論文を読んだのでクラスタリングの人．今日の話題は双線形(bilinear)モデルによる予測．
2017-09-20 17:17:53
しましま
@shima__shima
目的変数が多数ある場合で，かつ目的変数側にも特徴 B がある場合．入力の特徴を A，重み行列を X とすると T＝A^T X B の形式のモデル．さらに X のランクをkに制限，すなわち行列分解する．
2017-09-20 17:18:08
しましま
@shima__shima
目的変数 T に欠損があるときに復元できる条件，また正ラベルと未観測の事例であるときは普通の予測と全部0だと思う予測の線形結合を使う場合，X を分解した行列をNNと置き換えて非線形に対応するといった拡張を紹介していた．
2017-09-20 17:18:19
しましま
@shima__shima
Test-of-Time award: Random k-Labelsets: An Ensemble Method for Multilabel Classifica… 多ラベル予測問題で，ランダムに選んだ k 個のラベルを識別する分類器を幾つも作り，それらの結果を統合して予測
2017-09-20 17:18:39
Anil Narassiguin
@anil_nara
Test of Time award, Tsoumakas' RAKEL: ensemble method for multi-label classification @ECMLPKDD #ecmlpkdd2017 #MachineLearning #skopje pic.twitter.com/uQBUdgpLPN
2017-09-20 18:30:01
拡大