비선형 차원 축소

로봇 시스템의 데이터 표현을 강화하기 위한 고급 기술

Fouad Sabry

EPUB
ca. 4,99
Amazon iTunes Thalia.de Hugendubel Bücher.de ebook.de kobo Osiander Google Books Barnes&Noble bol.com Legimi yourbook.shop Kulturkaufhaus ebooks-center.de
* Affiliatelinks/Werbelinks
Hinweis: Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.

10 억 지식이 걸립니다 [Korean] img Link Publisher

Naturwissenschaften, Medizin, Informatik, Technik / Technik

Beschreibung

1: 비선형 차원 축소: 기본 개념과 고차원 데이터를 축소하여 분석을 더 쉽게 하는 것의 중요성을 알아봅니다.


2: 선형 맵: 선형 매핑의 기본 사항과 머신 러닝에서 데이터 차원을 축소하는 데 있어서의 역할을 소개합니다.


3: 지원 벡터 머신: 지원 벡터 머신이 분류 작업과 패턴 인식에 차원 축소를 적용하는 방법을 알아봅니다.


4: 주성분 분석: 데이터를 선형적으로 상관되지 않은 변수 집합으로 변환하는 PCA 기술을 탐구합니다.


5: 등거리: 등거리 기술이 데이터 차원을 축소하는 동안 점 사이의 거리를 유지하는 방법을 살펴봅니다.


6: 차원 축소: 차원 축소의 더 광범위한 범위와 다양한 분야에서의 응용 프로그램을 이해합니다.


7: 준정부호 임베딩: 준정부호 프로그래밍과 차원 축소 방법과의 관련성을 연구합니다.


8: 커널 방법: 데이터 축소에서 비선형 관계를 처리하는 데 있어서 커널 방법의 힘을 발견합니다.


9: 커널 주성분 분석: 고차원 피처 공간에서 차원 축소를 수행하는 KPCA의 기능을 살펴보세요.


10: 수치적 연속: 수치적 연속 기술이 고차원 시스템을 이해하는 데 어떻게 도움이 되는지 알아보세요.


11: 스펙트럼 클러스터링: 스펙트럼 클러스터링이 차원 축소를 활용하여 유사한 데이터 포인트를 그룹화하는 방법을 알아보세요.


12: 아이소맵: 차원 축소를 위해 다차원 스케일링과 지오데식 거리를 결합하는 기술인 아이소맵을 살펴보세요.


13: 존슨-린덴스트라우스 레마: 차원 축소가 기하학적 속성을 유지하도록 하는 존슨린덴스트라우스 레마의 수학을 탐구하세요.


14: 선형비선형푸아송 캐스케이드 모델: 이 모델이 차원 축소에서 선형 및 비선형 방법을 통합하는 방법을 연구하세요.


15: 매니폴드 정렬: 매니폴드 정렬과 차원 축소에서 다양한 도메인의 데이터를 정렬하는 데 있어서의 중요성에 대해 알아보세요.


16: 확산 맵: 확산 맵이 복잡한 데이터 세트에서 차원 감소를 위해 확산 프로세스를 사용하는 방법을 이해합니다.


17: T분산 확률적 이웃 임베딩: 데이터의 로컬 구조를 보존하면서 차원을 줄이는 tSNE의 기능을 살펴봅니다.


18: 분포의 커널 임베딩: 커널 임베딩이 데이터 세트뿐만 아니라 분포에 대한 차원 감소를 허용하는 방법을 연구합니다.


19: 무작위 투영: 빠른 계산을 위해 무작위 투영에 의존하는 차원 감소에 대한 실용적인 접근 방식입니다.


20: 매니폴드 정규화: 매니폴드 정규화 기술과 고차원 데이터에서 학습에 미치는 영향에 대해 알아봅니다.


21: 경험적 동적 모델링: 경험적 동적 모델링이 시계열 데이터 분석을 통해 차원 감소에 어떻게 도움이 되는지 알아봅니다.

Kundenbewertungen

Schlagwörter

등각 투영, 차원 축소, 선형 맵, 반정의적 임베딩, 주성분 분석, 비선형 차원 감소, 지원 벡터 머신