Dictionary Learning Algorithms and Applications

این کتاب همه الگوریتم های یادگیری فرهنگ لغت مربوطه را پوشش می دهد، آنها را با جزئیات کامل ارائه می دهد و ویژگی های متمایز آنها را نشان می دهد و در عین حال شباهت ها را نیز آشکار می کند. ترفندهای پیاده سازی را ارائه می دهد که اغلب نادیده گرفته می شوند اما برای یک برنامه موفق بسیار مهم هستند. علاوه بر MOD، K-SVD، و سایر الگوریتم‌های استاندارد، تغییرات قابل‌توجهی از مشکلات یادگیری فرهنگ لغت، مانند منظم‌سازی، اجرای ناهماهنگی، یافتن اندازه اقتصادی یا یادگیری متناسب با مسائل خاص مانند طبقه‌بندی را فراهم می‌کند. چندین نوع ساختار فرهنگ لغت درمان می شوند، از جمله تغییر ناپذیر. بلوک های متعامد یا دیکشنری های فاکتوری. و دیکشنری های قابل تفکیک برای سیگنال های چند بعدی. پسوندهای غیرخطی مانند یادگیری فرهنگ لغت هسته نیز در کتاب یافت می شود. بحث از همه این انواع فرهنگ لغت و الگوریتم ها با مقایسه عددی کامل روی چندین مسئله کلاسیک غنی شده است، بنابراین نقاط قوت و ضعف هر الگوریتم را نشان می دهد. چند برنامه منتخب، مربوط به طبقه بندی، حذف نویز و فشرده سازی، دیدگاه قابلیت های الگوریتم های یادگیری فرهنگ لغت ارائه شده را تکمیل می کنند. این کتاب با کد برای همه الگوریتم‌ها و برای بازتولید بیشتر جداول و شکل‌ها همراه است.

• همه الگوریتم‌های یادگیری فرهنگ لغت مربوطه را ارائه می‌کند - برای مسئله استاندارد و تغییرات اصلی آن - به طور دقیق و آماده برای پیاده سازی؛
  
• تمام ساختارهای فرهنگ لغت که در کاربردها معنادار هستند را پوشش می دهد؛
  
• ویژگی های عددی الگوریتم ها را بررسی می کند و نحوه انتخاب الگوریتم ها را نشان می دهد. الگوریتم یادگیری فرهنگ لغت مناسب.
  

This book covers all the relevant dictionary learning algorithms, presenting them in full detail and showing their distinct characteristics while also revealing the similarities. It gives implementation tricks that are often ignored but that are crucial for a successful program. Besides MOD, K-SVD, and other standard algorithms, it provides the significant dictionary learning problem variations, such as regularization, incoherence enforcing, finding an economical size, or learning adapted to specific problems like classification. Several types of dictionary structures are treated, including shift invariant; orthogonal blocks or factored dictionaries; and separable dictionaries for multidimensional signals. Nonlinear extensions such as kernel dictionary learning can also be found in the book. The discussion of all these dictionary types and algorithms is enriched with a thorough numerical comparison on several classic problems, thus showing the strengths and weaknesses of each algorithm. A few selected applications, related to classification, denoising and compression, complete the view on the capabilities of the presented dictionary learning algorithms. The book is accompanied by code for all algorithms and for reproducing most tables and figures.

• Presents all relevant dictionary learning algorithms - for the standard problem and its main variations - in detail and ready for implementation;
  
• Covers all dictionary structures that are meaningful in applications;
  
• Examines the numerical properties of the algorithms and shows how to choose the appropriate dictionary learning algorithm.