ESANN 2007：比利时布鲁日
第15届欧洲人工神经网络研讨会，ESANN 2007，比利时布鲁日，2007年4月25日至27日，会议记录。 2007
动态复杂系统
托马斯·伯威克 :
同步和加速：时间编码的补充机制。 1-6 魏晋高（Wee Jin Goh） , 奈杰尔·克鲁克 :
使用混沌瞬态的模式识别。 7-12 简·亨德里克·施莱默 , 里卡多·维加里奥 :
非线性振荡器复杂系统中的秩序：锁相子空间。 13-18
基于原型的学习
法比奥·艾奥利 , 乔瓦尼·达·圣马蒂诺 , 亚历桑德罗·斯普都蒂 , 马库斯·哈根布奇纳 :
结构化数据的“内核化”自组织映射。 19-24 法布里斯·罗西 :
相异SOM中的模型碰撞。 25-30 纳塔利别墅 , 罗曼·博莱特 :
通过SOM使用基于核的距离度量对中世纪的社交网络进行聚类。 31-36 施奈德 , 迈克尔·贝尔 , 芭芭拉·汉默 :
LVQ中的关联矩阵。 37-42 乔治·阿德里安·德鲁米亚 , HervéFrezza-面包 :
用拓扑自适应神经网络跟踪快速变化的非平稳分布：应用于视频跟踪。 43-48 伊戈尔·法卡斯 , 马修·克罗克 :
递归自组织神经网络句子处理的系统性。 49-54
模型选择和正则化
安蒂·霍克拉 , 杰里米亚斯·塞帕 , 埃萨·阿勒霍尼埃米 :
聚合独立变量组分析。 55-60 梁武 , 普雷德拉格·内斯科维奇 , 艾蒂安·雷耶斯 , 埃琳娜·费斯塔 , 海因德尔·威廉 :
利用熵和互信息特征对n-back脑电数据进行分类。 61-66 Elia Liitiäinen女士 , 弗朗西斯科·科罗纳 , 阿莫瑞Lendasse :
最近邻分布和噪声方差估计。 67-72 伊利亚·科克谢涅夫 , 安托尼奥·德·帕杜瓦·布拉加 :
径向基函数和多目标学习的复杂性边界。 73-78
神经网络和机器学习中的模糊和概率方法
芭芭拉·汉默 , 托马斯·维尔曼 :
如何处理机器学习中的不确定性？。 79-90 中山实 , 高桥义树 :
使用眼动特征估计反应确定性。 91-96 尼古拉·贾尼奥蒂斯 , 彼得·蒂尼奥 :
通过生成概率模型可视化树结构数据。 97-102 托马斯·维尔曼 , 马克·斯特里克特 , 科妮莉亚·布鲁 , 弗兰克·迈克尔·施莱夫 
, 乌多·塞弗特 :
基于MDS的图像分割模糊分类中模糊信息的可视化。 103-108
学习I
梅特·加西亚·塞巴斯蒂安 , 曼努埃尔·格拉尼亚 :
用于MRI强度不均匀校正的SOM。 109-114 安蒂·索贾马 , 保罗·梅林 , 伯特朗·梅莱特 , 阿莫瑞Lendasse :
用于查找缺失值的SOM+EOF。 115-120 哈桑·加齐里 :
集群的自组织链。 121-126 阿雷·维托拉尔 , 迈克尔·贝尔 , 阿纳塔·戈什 , 芭芭拉·汉默 :
矢量量化和神经气体动力学。 127-132 亚历山大·尤达什金 :
用于离散结构存储和检索的三维自组织动力系统。 133-138 穆里洛·科尔霍·纳尔迪 , 安德烈·卡洛斯·蓬斯·德莱昂·费雷拉·德卡瓦略 :
使用遗传算法结合验证标准进行聚类。 139-144 托马斯·吉罗德 , 劳伦特·鲍格伦 , 亚历山大（Frédéric Alexandre） :
实现强大的二维时空自组织。 145-150 托马斯·塔拉斯卡 , 拉斐尔·德卢戈斯 , 维托尔德·佩德里茨 :
在CMOS 0.18 um技术中实现的Kohonens神经网络自适应权值变化机制。 151-156 凯瑟琳·克里尔 , 达米安·弗朗索瓦 , 法布里斯·罗西 , 米歇尔·维尔莱森 :
用于光谱数据中变量选择的特征聚类和互信息。 157-162 伯纳多·佩娜·雷森德·卡瓦略 , 里卡多·德苏萨·里贝罗 , 梅德罗斯·亨利克·德梅德罗斯（Talles Henrique de Medeiros） :
使用递归特征消除预测蛋白质的突触后活性。 163-168 王皮扬（Piyang Wang） , 汤米·W·S·周 :
使用事务数据的数据分布因子的新特征选择方案。 169-174 加埃塔诺·利博里奥·埃利罗 , 卡洛·卡萨里诺 :
基于相关性的神经元网络中的信息成本。 175-179 乌尔里希·吕克特 , 拉尔夫·艾克霍夫 :
通过相似性控制RBF网络的复杂性。 181-186 德克·戈里森 , 沃特·亨德里克斯 , 汤姆·达内 :
使用神经网络的自适应全局元模型。 187-192
学习机设计的凸优化
克里斯蒂安·佩尔克曼斯 , 约翰·苏肯斯 , 巴特·德摩尔 :
学习机设计的凸优化。 193-204 蒂杰尔·德比 :
部署SDP进行机器学习。 205-210 桑多尔·泽马克 , 蒂杰尔·德比 , 大卫·R·哈顿 :
典型相关分析向多元最大边际学习的蜕变。 211-216 加文·C·考利 :
核概率回归的模型选择。 217-222 塞西利奥·安古洛 , 戴维德·安吉塔 , 路易斯·冈萨雷斯（Luis González Abril） :
使用支持向量机的区间判别分析。 223-228
生成模型和最大似然方法
塞德里克·阿尔坎博 , 尼古拉·德拉奈 , 米歇尔·维尔莱森 :
鲁棒概率主成分分析器的混合。 229-234 皮埃尔·盖拉德 , 米夏·奥佩蒂 , 杰拉德·戈瓦特 :
利用有监督生成高斯图学习标记数据集的拓扑结构。 235-240 里玛·吉达拉 , 沙赫拉姆·侯赛尼 , 扬尼克·德维尔 :
非平稳时间相关源的马尔可夫盲分离。 241-246 尼古拉·德拉奈 , 米歇尔·维尔莱森 :
隔行广义线性模型协同过滤。 247-252
核方法与支持向量机
吉尔斯·加斯索 , 卡琳娜·扎皮恩·阿雷奥拉 , 圣埃芬·卡努 :
计算并停止$\nu$-SVR的解决方案路径。 253-258 安倍晋三 :
用二阶方法优化核参数。 259-264 马吉德·贝吉 , 安德烈亚斯·泽尔 :
一种新的基于核的随机过程信号局部模式提取方法。 265-270 阿兰·拉科托马蒙杰 , 曼纽尔·戴维 :
一类SVM正则化路径及其与α种子算法的比较。 271-276
强化学习
维伦娜·海德里希·梅斯纳 , 马丁·劳厄 , 克里斯蒂安·伊格尔 , 马丁·里德米勒 :
简言之，强化学习。 277-288 曼纽尔·洛斯 , 菲利普·普鲁克斯 , 曼纽尔·戴维 :
TD算法的统一观点，引入全梯度TD和等梯度下降TD。 289-294 简·彼得斯 , 斯特凡·沙尔 :
将情景式自然演员批评架构应用于运动原始学习。 295-300 丹尼尔·施尼加（Daniel Schneega） , 斯特芬·乌德卢夫特 , 托马斯·马丁内茨 :
马尔可夫和部分可观测环境下近最优政策识别的神经奖赏回归。 301-306 科林·费夫 , 裴凌来 :
投影核方法的即时奖励强化学习。 307-312 卡里·弗拉姆林 :
用函数逼近代替行为值学习的合格跟踪。 313-318 安东·马克西米利安·施费尔 , 斯特芬·乌德卢夫特 , 汉斯·乔治·齐默尔曼 :
递归控制神经网络。 319-324
学习II
丹尼尔·施尼加（Daniel Schneega） , 安东·马克西米利安·施费尔 , 托马斯·马丁内茨 :
内在递归支持向量机。 325-330 伯纳多·佩娜·雷森德·卡瓦略 , 安托尼奥·德·帕杜瓦·布拉加 :
A-LSSVM：一种基于Adaline的迭代稀疏LS-SVM分类器。 331-336 丹尼尔·施尼加（Daniel Schneega） , 斯特芬·乌德卢夫特 , 托马斯·马丁内茨 :
用于数据效率近最优策略识别的显式核回报回归。 337-342 苏米特·阿加瓦尔 , V.维贾亚·萨拉迪 , 哈里什·卡尼克 :
基于内核的在线机器学习和支持向量约简。 343-348 Zsolt Minier公司 , 莱赫尔·萨托 :
基于核主成分分析的聚类用于文本分类中的特征诱导。 349-354 油炸苏亚德 , 阿兰·拉科托马蒙杰 , 阿卜杜拉齐兹·本斯海尔 :
测量形状相似性的路径袋上的核。 355-360 弗朗西斯科·贝尼梅利 , 肯·沙尔曼 :
使用小波和支持向量机对脑-机接口的脑电图信号进行分类。 361-366 贝特朗·方丹 , 赫伯特·佩雷曼斯 , 本杰明·施劳温 :
使用支持向量回归的尖峰核进行蝙蝠回声定位建模。 367-372 特里·温迪特 :
面向人脸识别的集成神经分类器设计。 373-378 J.萨尔瓦多·桑切斯 , 卢德米拉·库切娃（Ludmila I.Kuncheva） :
使用分类器集合进行数据简化。 379-384 帕特里克·库恩丘 , 伯特朗·梅莱特 :
基于ICA的风险管理高频VaR。 385-390 特拉维斯·维恩斯 , 里奇·伯顿 , 格雷格·肖诺 :
人工神经网络分类器的代数反演。 391-396 卡琳娜·扎皮恩·阿雷奥拉 , 吉尔斯·加斯索 , 圣埃芬·卡努 :
邻域图校正的切平面估计。 397-402 马达琳娜·奥尔特阿努 , 约瑟夫·伦基维茨 :
估计多层感知器混合中的组件数量。 403-408
生物激励学习
朱俊美 , 克里斯托夫·冯·德·马尔斯堡 :
自组织系统正常模式的非线性振幅方程的推导。 409-414 简·韦斯尼泽（Jan Wessnitzer） , 芭芭拉·韦伯 :
昆虫跨模态关联的神经模型。 415-420 安德雷斯·赫尔佐格 , 卡斯滕·库贝 , 伯恩德·迈克利斯 , 阿娜·德利马 , 托马斯·沃伊格特 :
在生物现实网络中从初始化阶段过渡到工作阶段。 421-426 Hélène Paugam-Moisy公司 , 雷吉斯·马丁内斯 , 萨米·本吉奥 :
在尖峰神经元网络中基于STDP和多时化的监督学习方法。 427-432
学习因果关系
卡特琳娜·拉瓦科娃-辛德勒 , 巴勃罗·弗德斯 :
因果关系检测的计算智能方法。 433-440 孙晓海 , 多米尼克·詹津 , 伯恩哈德·舍尔科夫 :
通过基于核的条件分布复杂性度量区分因果关系。 441-446 尼古拉·曼亚科夫 , 马克·范·赫尔 :
基于互信息的微电极阵列LFP因果分析。 447-452 孙晓海 , 多米尼克·詹津 :
通过识别基于核的依赖性度量的共同效应来学习因果关系。 453-458 莱昂纳多·安吉利尼 , 丹尼尔·马里纳佐 , 马里奥·佩利科罗 , 塞巴斯蒂亚诺·斯特拉马格里亚 :
神经网络中的因果关系和社区。 459-464 孙晓海 , 多米尼克·詹津 :
通过马尔可夫核的指数层次探讨二元变量的因果顺序。 465-470
油藏计算
本杰明·施劳温 , 大卫·维斯特拉滕 , 简·范·坎本霍特 :
油藏计算概述：理论、应用和实施。 471-482 淮恩高 , 鲁道夫·索拉切尔 , 汉斯·佩特·克里格尔 :
用于在线学习的螺旋递归神经网络。 483-488 Jochen J.Steil公司 :
解决MSO问题的几种方法。 489-494 大卫·维斯特拉滕 , 本杰明·施劳温 , 德克·斯特罗班特 :
调整储层状态以获得高斯分布。 495-500 卡洛斯·卢伦索 :
利用时空混沌吸引子进行结构化水库计算。 501-506 Xavier Dutoit公司 , 亨德里克·范·布鲁塞尔 , Marnix Nuttin公司 :
首次尝试对水库进行修剪以解决分类问题。 507-512 玛丽恩·沃德曼 , Jochen J.Steil公司 :
油藏学习算法的内在可塑性。 513-518
学习III
伊娃·卡斯利克 , 斯特凡·巴林 :
双神经元双时滞离散Hopfield神经网络的分岔分析。 519-524 何塞·安东尼奥·戈梅斯·鲁伊斯 , 何塞·穆尼奥斯·佩雷斯 , M.Angeles García-Bernal先生 , 埃泽基尔·洛佩斯·鲁比奥 :
基于Spicules的竞争神经网络。 525-530 Lee Calcraft公司 , 罗德·亚当斯 , 尼尔·戴维 :
具有置换连接的稀疏连接关联内存模型。 531-536 亚历山大·弗斯特 , 亚历克斯·格拉夫斯 , 尤根·施密杜贝尔（Jürgen Schmidhuber） :
基于RNN的紧凑地图学习用于机器人高效定位。 537-542 奈杰尔·克鲁克 , 魏晋高（Wee Jin Goh） :
使用非线性瞬态计算进行人体运动识别。 543-548 莱安德罗·M·阿尔梅达 , 特蕾莎·伯纳达·卢德米尔 :
自动搜索近最优人工神经网络。 549-554 梅德罗斯·亨利克·德梅德罗斯（Talles Henrique de Medeiros） , 里卡多·H·C·高桥 , 安托尼奥·德·帕杜瓦·布拉加 :
人工神经网络多目标训练中的一种新的决策策略。 555-560 雅科·伊利帕瓦列米 , 埃里卡·萨维亚 , 里卡多·维加里奥 , 塞缪尔·卡斯基 :
功能磁共振成像中的功能元件和网络。 561-566 梁武 , 普雷德拉格·内斯科维奇 :
脑电分类的特征提取：将电极输出表示为马尔可夫随机过程。 567-572 泽维尔·多蒙 , 马丁·赫克曼 , 海科·沃辛 , 弗兰克·茹布林 , 克里斯蒂安·戈里克 :
音节识别的层次模型。 573-578 Amparo Alonso-Betanzos系列 , 诺埃利亚·桑切斯·马罗尼奥 , 费利克斯·M·卡巴拉尔·福特斯 , 胡安·苏亚雷斯-罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 :
使用功能网络对计算机入侵进行分类。 比较研究。 579-584 大卫·L·加西亚 , 阿尔弗雷多·维利多 , 天使涅博特 :
确定巴西电信市场中的客户流失路线。 585-590
