Descripteur
Documents disponibles dans cette catégorie (260)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
La modélisation en géographie / Denise Pumain (2020)
Titre : La modélisation en géographie : villes et territoires Type de document : Monographie Auteurs : Denise Pumain, Éditeur scientifique Editeur : Londres : ISTE Editions Année de publication : 2020 Collection : Méthodologies de modélisation en sciences sociales num. 2 Importance : 246 p. ISBN/ISSN/EAN : 978-1-78405-672-8 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] conception cartographique
[Termes IGN] échelle géographique
[Termes IGN] exploration de données géographiques
[Termes IGN] modèle de simulation
[Termes IGN] modélisation spatiale
[Termes IGN] représentation cartographique
[Termes IGN] territoire
[Termes IGN] ville
[Termes IGN] visualisation dynamiqueIndex. décimale : 37.20 Analyse spatiale et ses outils Résumé : (Editeur) La modélisation des villes et des territoires a beaucoup progressé depuis 20 ans grâce aux systèmes d’information géographique, à la mise à disposition sur Internet de grandes masses de données géolocalisées, et à la montée en performance des méthodes informatiques pour la simulation et l’exploration des modèles dynamiques. La modélisation en géographie explique les différentes étapes de la construction de ces modèles, depuis leurs bases conceptuelles jusqu’à leurs utilisations pratiques, permettant de mieux comprendre les formes d’organisation et les processus de l’évolution des villes et territoires. Cet ouvrage rend ainsi accessibles les fondements théoriques de la construction et les délicates opérations de la sélection d’un modèle, les applications des fractales et des lois d’échelle à la connaissance de la morphologie des villes et l’organisation des transports urbains. Il présente en détail des méthodes inédites de construction et d’exploration des modèles et de visualisation des données et des résultats. Note de contenu : 1. La complexité en géographie
2. Choisir des modèles pour expliquer les dynamiques des villes et des territoires
3. Effets de la distance et dépendance d’échelles dans les modèles géographiques de villes et de territoires
4. Modélisation territoriale incrémentale
5. Méthodes d’exploration des modèles de simulation
6. Visualiser les modèlesNuméro de notice : 26337 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Monographie Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95353
Titre : Representation learning for natural language processing Type de document : Monographie Auteurs : Zhiyuan Liu, Éditeur scientifique ; Yankai Lin, Éditeur scientifique ; Maosong Sun, Éditeur scientifique Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2020 Importance : 334 p. ISBN/ISSN/EAN : 978-981-1555732-- Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] données massives
[Termes IGN] exploration de données
[Termes IGN] représentation des connaissances
[Termes IGN] réseau neuronal convolutif
[Termes IGN] réseau sémantique
[Termes IGN] traitement du langage naturelRésumé : (Editeur) This open access book provides an overview of the recent advances in representation learning theory, algorithms and applications for natural language processing (NLP). It is divided into three parts. Part I presents the representation learning techniques for multiple language entries, including words, phrases, sentences and documents. Part II then introduces the representation techniques for those objects that are closely related to NLP, including entity-based world knowledge, sememe-based linguistic knowledge, networks, and cross-modal entries. Lastly, Part III provides open resource tools for representation learning techniques, and discusses the remaining challenges and future research directions. The theories and algorithms of representation learning presented can also benefit other related domains such as machine learning, social network analysis, semantic Web, information retrieval, data mining and computational biology. This book is intended for advanced undergraduate and graduate students, post-doctoral fellows, researchers, lecturers, and industrial engineers, as well as anyone interested in representation learning and natural language processing. Note de contenu :
1. Representation Learning and NLP
1.1 Motivation
1.2 Why Representation Learning Is Important for NLP
1.3 Basic Ideas of Representation Learning
1.4 Development of Representation Learning for NLP
1.5 Learning Approaches to Representation Learning for NLP
1.6 Applications of Representation Learning for NLP
1.7 The Organization of This Book
2. Word Representation
2.1 Introduction
2.2 One-Hot Word Representation
2.3 Distributed Word Representation
2.4 Contextualized Word Representation
2.5 Extensions
2.6 Evaluation
3. Compositional Semantics
3.1 Introduction
3.2 Semantic Space
3.3 Binary Composition
3.4 N-Ary Composition
4. Sentence Representation
4.1 Introduction
4.2 One-Hot Sentence Representation
4.3 Probabilistic Language Model
4.4 Neural Language Model
4.5 Applications
5. Document Representation
5.1 Introduction
5.2 One-Hot Document Representation
5.3 Topic Model
5.4 Distributed Document Representation
5.5 Applications
6. Sememe Knowledge Representation
6.1 Introduction
6.2 Sememe Knowledge Representation
6.3 Applications
7. World Knowledge Representation
7.1 Introduction
7.2 Knowledge Graph Representation
7.3 Multisource Knowledge Graph Representation
7.4 Applications
8. Network Representation
8.1 Introduction
8.2 Network Representation
8.3 Graph Neural Networks
9. Cross-Modal Representation
9.1 Introduction
9.2 Cross-Modal Representation
9.3 Image Captioning
9.4 Visual Relationship Detection
9.5 Visual Question Answering
10. Resources
10.1 Open-Source Frameworks for Deep Learning
10.2 Open Resources for Word Representation
10.3 Open Resources for Knowledge Graph Representation
10.4 Open Resources for Network Representation
10.5 Open Resources for Relation Extraction
11. OutlookNuméro de notice : 26515 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.1007/978-981-15-5573-2 En ligne : http://doi.org/10.1007/978-981-15-5573-2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97296
Titre : Social Media and Machine Learning Type de document : Monographie Auteurs : Alberto Cano, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 Importance : 96 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-83880-616-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] données massives
[Termes IGN] exploration de texte
[Termes IGN] langage naturel (informatique)
[Termes IGN] réseau social
[Termes IGN] sentimentRésumé : (éditeur) Social media has transformed society and the way people interact with each other. The volume and speed in which new content is being generated surpasses the processing capacity of machine learning systems. Analyzing such data demands new approaches coming from natural language processing, text mining, sentiment analysis, etc to understand and resolve the arising challenges. There is a need to develop robust and adaptable systems to tackle these open issues in real time, as well as to provide a meaningful summarization and visualization to the end users. This book provides the reader with a comprehensive overview of the latest developments in social media and machine learning, addressing research innovations, applications, trends, and open challenges in this crucial area. Note de contenu : 1- Introductory chapter: Data streams and online learning in social media
2- Automatic speech emotion recognition using machine learning
3- A case study of using big data processing in education: Method of matching members by optimizing collaborative
learning environment
4- Literature review on big data analytics methods
5- Information and communication based collaborative learning and behavior modeling using machine learning algorithmNuméro de notice : 28481 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/SOCIETE NUMERIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.78089 En ligne : https://doi.org/10.5772/intechopen.78089 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99165
Titre : Spationomy : Spatial exploration of economic data and methods of interdisciplinary analytics Type de document : Guide/Manuel Auteurs : Vit Pászto, Éditeur scientifique ; Carsten Jürgens, Éditeur scientifique ; Polona Tominc, Éditeur scientifique ; et al., Auteur Editeur : Springer Nature Année de publication : 2020 Importance : 333p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-030-26626-4 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] acquisition de données
[Termes IGN] analyse multicritère
[Termes IGN] analyse spatiale
[Termes IGN] données socio-économiques
[Termes IGN] exploration de données géographiques
[Termes IGN] finance
[Termes IGN] géographie économique
[Termes IGN] microéconomie
[Termes IGN] modèle conceptuel de données localisées
[Termes IGN] recherche interdisciplinaire
[Termes IGN] régression logistique
[Termes IGN] système d'information géographique
[Termes IGN] veille économiqueRésumé : (éditeur) This open access book is based on 'Spationomy – Spatial Exploration of Economic Data', an interdisciplinary and international project in the frame of ERASMUS+ funded by the European Union. The project aims to exchange interdisciplinary knowledge in the fields of economics and geomatics. For the newly introduced courses, interdisciplinary learning materials have been developed by a team of lecturers from four different universities in three countries. In a first study block, students were taught methods from the two main research fields. Afterwards, the knowledge gained had to be applied in a project. For this international project, teams were formed, consisting of one student from each university participating in the project. The achieved results were presented in a summer school a few months later. At this event, more methodological knowledge was imparted to prepare students for a final simulation game about spatial and economic decision making. In a broader sense, the chapters will present the methodological background of the project, give case studies and show how visualisation and the simulation game works. Numéro de notice : 25973 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Manuel de cours DOI : 10.1007/978-3-030-26626-4 En ligne : https://doi.org/10.1007/978-3-030-26626-4 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96629 Analysis of collaboration networks in OpenStreetMap through weighted social multigraph mining / Quy Thy Truong in International journal of geographical information science IJGIS, vol 33 n° 7 - 8 (July - August 2019)
[article]
Titre : Analysis of collaboration networks in OpenStreetMap through weighted social multigraph mining Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Cyril de Runz, Auteur ; Guillaume Touya , Auteur Année de publication : 2019 Projets : 1-Pas de projet / Article en page(s) : pp 1651 - 1682 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] cartographie collaborative
[Termes IGN] comportement
[Termes IGN] données localisées des bénévoles
[Termes IGN] exploration de données
[Termes IGN] graphe
[Termes IGN] OpenStreetMap
[Termes IGN] pondération
[Termes IGN] qualité des données
[Termes IGN] travail coopératifRésumé : (auteur) This paper aims to qualify the behaviour of contributors to OpenStreetMap (OSM), a volunteered geographic information (VGI) project, through a multigraph approach. The main purpose is to reproduce contributor’s interactions in a more comprehensive way. First, we define a multigraph that combines existing spatial collaboration networks from the literature with new graphs that illustrate collaboration based on specific aspects of the VGI modes of contribution through semantics, geometry and topology. Indeed, the ways that contributors interact with one another through editing, completion, or even consumption may provide additional information on each user’s operation mode and therefore, on the quality of the contributed data. Social collaborations drawn from indirect criteria – for example, comparisons between contributors’ activity areas – can also be contemplated under another network. Second, the resulting multigraph is analysed using data mining approaches to characterise individuals and identify behavioural groups. The implementation of a multiplex network based on an OSM data sample and an initial analysis make it possible to identify useful behaviours for data qualification. The initial results characterise some contributors as pioneers, moderators and truthful contributors, according to their special roles in the graphs. Mapping elements that include these contributors’ participation are likely to be reliable data. Numéro de notice : A2019-025 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1556395 Date de publication en ligne : 17/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1556395 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91958
in International journal of geographical information science IJGIS > vol 33 n° 7 - 8 (July - August 2019) . - pp 1651 - 1682[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 079-2019072 RAB Revue Centre de documentation En réserve L003 Disponible 079-2019071 RAB Revue Centre de documentation En réserve L003 Disponible Champs et objets pour mieux représenter les phénomènes dans leur contexte géographique / Anne Ruas in Revue internationale de géomatique, vol 29 n° 2 (avril - juin 2019)PermalinkCarSenToGram: geovisual text analytics for exploring spatiotemporal variation in public discourse on Twitter / Caglar Koylu in Cartography and Geographic Information Science, Vol 46 n° 1 (January 2019)PermalinkChallenging deep image descriptors for retrieval in heterogeneous iconographic collections / Dimitri Gominski (2019)PermalinkConception et évaluation de techniques d'interaction non-visuelle basées sur un dispositif personnel / Sandra Bardot (2019)PermalinkSeeing the past with computers: Experiments with augmented reality and computer vision for history / Kevin Kee (2019)PermalinkA hybrid ensemble learning method for tourist route recommendations based on geo-tagged social networks / Lin Wan in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkNRand‐K : Minimizing the impact of location obfuscation in spatial analysis / Mayra Zurbaran in Transactions in GIS, vol 22 n° 5 (October 2018)PermalinkSpatial mining of migration patterns from web demographics / T. Edwin Chow in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkMining and visual exploration of closed contiguous sequential patterns in trajectories / Can Yang in International journal of geographical information science IJGIS, vol 32 n° 7-8 (July - August 2018)PermalinkAdvancing New Testament interpretation through spatio‐temporal analysis: Demonstrated by case studies / Vincent Van Altena in Transactions in GIS, vol 22 n° 3 (June 2018)Permalink