Zobrazeno 1 - 10
of 21
pro vyhledávání: '"Gautrais, CléMent"'
Anomaly detection is concerned with identifying examples in a dataset that do not conform to the expected behaviour. While a vast amount of anomaly detection algorithms exist, little attention has been paid to explaining why these algorithms flag cer
Externí odkaz:
http://arxiv.org/abs/2112.06858
Autor:
Gautrais, Clément, Dauxais, Yann, Teso, Stefano, Kolb, Samuel, Verbruggen, Gust, De Raedt, Luc
Everybody wants to analyse their data, but only few posses the data science expertise to to this. Motivated by this observation we introduce a novel framework and system \textsc{VisualSynth} for human-machine collaboration in data science. It wants t
Externí odkaz:
http://arxiv.org/abs/2004.11113
Autor:
Gautrais, Clément
Cette thèse introduit un nouveau type de motif appelé signature. La signature segmente une séquence d'itemsets, afin de maximiser la taille de l'ensemble d'items qui apparaît dans tous les segments. La signature a été initialement introduite po
Externí odkaz:
http://www.theses.fr/2018REN1S041/document
Autor:
Gautrais, CléMent, author, Dauxais, Yann, author, Teso, Stefano, author, Kolb, Samuel, author, Verbruggen, Gust, author, Raedt, Luc De, author
Publikováno v:
Human-Like Machine Intelligence, 2021.
Externí odkaz:
https://doi.org/10.1093/oso/9780198862536.003.0019
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Data Mining & Knowledge Discovery; Mar2024, Vol. 38 Issue 2, p372-419, 48p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Gautrais, Clément
Publikováno v:
Databases [cs.DB]. Université de Rennes, 2018. English. ⟨NNT : 2018REN1S041⟩
Databases [cs.DB]. Université Rennes 1, 2018. English. ⟨NNT : 2018REN1S041⟩
Databases [cs.DB]. Université Rennes 1, 2018. English. ⟨NNT : 2018REN1S041⟩
Cette thèse introduit un nouveau type de motif appelé signature. La signature segmente une séquence d'itemsets, afin de maximiser la taille de l'ensemble d'items qui apparaît dans tous les segments. La signature a été initialement introduite po
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::a272ffdea2590f52de96c4f894556678
https://theses.hal.science/tel-01984629/document
https://theses.hal.science/tel-01984629/document
Publikováno v:
Discovery Challenges co-located with European Conference on Machine Learning-Principle and Practice of Knowledge Discovery in Database
Discovery Challenges co-located with European Conference on Machine Learning-Principle and Practice of Knowledge Discovery in Database, Sep 2017, Skopje, Macedonia
Discovery Challenges co-located with European Conference on Machine Learning-Principle and Practice of Knowledge Discovery in Database, Sep 2017, Skopje, Macedonia
International audience; This paper presents the approach we took to solve the Multi-Plant Photovoltaic Energy Forecasting Challenge for ECML/PKDD 2017. The approach we took granted us the second place of that challenge. In the paper, we will present
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::b15421c38a16cc5975126ad80e4035bc
https://hal.science/hal-01639813/document
https://hal.science/hal-01639813/document