非線性降維 - 增強機器人系統數據表示的先進技術
Fouad Sabry
Traductor Jin Tsui
Editorial: 十億個知識淵博 [Chinese (Traditional)]
Sinopsis
1：非線性降維：探索基本概念以及降低高維度資料以便於分析的重要性。 2：線性映射：介紹線性映射的基礎知識及其在機器學習中降低資料維度的作用。 3：支援向量機：了解支援向量機如何在分類任務和模式辨識中應用降維。 4：主成分分析：深入研究 主成分分析 將資料轉換為一組線性不相關變數的技術。 5：等距：檢查等距技術如何在減少資料維度的同時保留點之間的距離。 6：降維：了解更廣泛的降維範圍及其在各領域的應用。 7：半定嵌入：研究半定規劃及其與降維方法的關聯。 8：核方法：發現核方法在處理資料縮減中的非線性關係方面的強大功能。 9：核主成分分析：探討關鍵主成分分析法在高維度特徵空間中進行降維的能力。 10：數值延拓：了解數值延拓技術如何幫助理解高維繫統。 11：譜聚類：了解譜聚類如何利用降維對相似的資料點進行分組。 12：等點陣圖：等點陣圖 簡介，這是一種將多維縮放與測地距離結合以進行降維的技術。 13：約翰遜–椴樹花束 引理：深入研究 約翰遜·林登斯特勞斯 引理的數學原理，確保降維保持幾何性質。 14：線性非線性泊松級聯模型：研究此模型如何在降維中整合線性和非線性方法。 15：流形對齊：了解流形對齊及其在降維中對齊來自不同域的資料的重要性。 16：擴散圖：了解擴散圖如何使用擴散過程在複雜資料集中進行降維。 17：時間 分散式隨機鄰域嵌入：探索 特斯內 在保留資料局部結構的同時降低維度的能力。 18：分佈的內核嵌入：研究內核嵌入如何允許分佈（而不僅僅是資料集）降維。 19：隨機投影：一種實用的降維方法，依靠隨機投影進行快速計算。 20：流形正規化：了解流形正規化技術及其對高維度資料學習的影響。 21：經驗動態建模：了解經驗動態建模如何透過時間序列資料分析來幫助降維。
Disponible desde: 17/12/2024.
Longitud de impresión: 320 páginas.
