Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen eBook

Delivery: Can be download immediately after purchasing. For new customer, we need process for verification from 30 mins to 12 hours.
Version: PDF/EPUB. If you need EPUB and MOBI Version, please send contact us.
Compatible Devices: Can be read on any devices.

In der Arbeit von Daniel Lückehe wird ein neues hybrides Verfahren zur Dimensionsreduktion methodisch erarbeitet, analysiert und durch experimentelle Tests mit vorhandenen Methoden verglichen. Hochdimensionale Daten, häufig zusammengefasst unter dem Begriff „Big Data“, liegen heutzutage in vielen Bereichen vor. Darunter fallen beispielsweise visuell erfasste Informationen, in denen Muster erkannt werden sollen, Anwendungen im medizinischen Bereich sowie Daten aus dem Gebiet der Astronomie. Eine Dimensionsreduktion kann dabei helfen, Informationen aus großen, hochkomplexen Datensätzen zu gewinnen und diese besser verarbeiten zu können. So können Daten beispielsweise auf einen zweidimensionalen Raum abgebildet und somit für den Menschen visuell erfassbar werden.

This is a digital product.

Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen is written by Daniel Lückehe and published by Springer Vieweg. The Digital and eTextbook ISBNs for Hybride Optimierung für Dimensionsreduktion are 9783658107383, 3658107383 and the print ISBNs are 9783658107376, 3658107375.