مشخصات کتاب

Multilinear subspace learning: dimensionality reduction of multidimensional data

ویرایش: 1 
نویسندگان: Plataniotis. Konstantinos N.,  Lu. Haiping,  Venetsanopoulos. Anastasios N  
سری: Chapman & Hall/CRC machine learning & pattern recognition series 
ISBN (شابک) : 1439857245, 1439857296 
ناشر: Chapman and Hall/CRC 
سال نشر: 2014 
تعداد صفحات: 280 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

کلمات کلیدی مربوط به کتاب یادگیری چند فضایی زیر فضایی: کاهش ابعادی داده های چند بعدی: فشرده سازی داده ها (علوم کامپیوتر)، داده های بزرگ، جبر چند خطی.

در صورت تبدیل فایل کتاب Multilinear subspace learning: dimensionality reduction of multidimensional data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری چند فضایی زیر فضایی: کاهش ابعادی داده های چند بعدی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری چند فضایی زیر فضایی: کاهش ابعادی داده های چند بعدی



با توجه به پیشرفت‌ها در فناوری‌های حسگر، ذخیره‌سازی و شبکه، داده‌ها به صورت روزانه با سرعت فزاینده‌ای در طیف گسترده‌ای از برنامه‌ها، از جمله محاسبات ابری، اینترنت موبایل، و تصویربرداری پزشکی تولید می‌شوند. این داده‌های چند بعدی بزرگ به طرح‌های کاهش ابعاد کارآمدتری نسبت به تکنیک‌های سنتی نیاز دارد. با توجه به این نیاز، یادگیری زیرفضای چند خطی (MSL) ابعاد داده های بزرگ را مستقیماً از نمایش چند بعدی طبیعی آن، یک تانسور، کاهش می دهد. مقدمه ای جامع بر جنبه های نظری و عملی MSL برای کاهش ابعاد داده های چند بعدی بر اساس تانسورها. این مبانی، الگوریتم‌ها و کاربردهای MSL را پوشش می‌دهد.

نویسندگان با تأکید بر مفاهیم اساسی و دیدگاه‌های سطح سیستم، پایه‌ای را برای حل بسیاری از جالب‌ترین و چالش‌برانگیزترین مسائل امروزی فراهم می‌کنند. در پردازش داده های چند بعدی بزرگ آنها تاریخچه MSL را ردیابی می‌کنند، پیشرفت‌های اخیر را به تفصیل بررسی می‌کنند، و پیشرفت‌های آینده و برنامه‌های در حال ظهور را بررسی می‌کنند.

این کتاب از فرمول‌بندی چارچوب MSL یکپارچه پیروی می‌کند تا به‌طور سیستماتیک الگوریتم‌های MSL نماینده را استخراج کند. این برنامه کاربردهای مختلف الگوریتم ها را به همراه کد شبه آنها توصیف می کند. نکات پیاده سازی به پزشکان در توسعه، ارزیابی و کاربرد بیشتر کمک می کند. این کتاب همچنین اطلاعات نظری مفیدی را در مورد داده های چند بعدی بزرگ در یادگیری ماشین و تشخیص الگو در اختیار محققان قرار می دهد. کد منبع، داده‌ها و سایر مطالب MATLAB^® در www.comp.hkbu.edu.hk/~haiping/MSL.html

توضیحاتی درمورد کتاب به خارجی

Due to advances in sensor, storage, and networking technologies, data is being generated on a daily basis at an ever-increasing pace in a wide range of applications, including cloud computing, mobile Internet, and medical imaging. This large multidimensional data requires more efficient dimensionality reduction schemes than the traditional techniques. Addressing this need, multilinear subspace learning (MSL) reduces the dimensionality of big data directly from its natural multidimensional representation, a tensor.

Multilinear Subspace Learning: Dimensionality Reduction of Multidimensional Data gives a comprehensive introduction to both theoretical and practical aspects of MSL for the dimensionality reduction of multidimensional data based on tensors. It covers the fundamentals, algorithms, and applications of MSL.

Emphasizing essential concepts and system-level perspectives, the authors provide a foundation for solving many of today’s most interesting and challenging problems in big multidimensional data processing. They trace the history of MSL, detail recent advances, and explore future developments and emerging applications.

The book follows a unifying MSL framework formulation to systematically derive representative MSL algorithms. It describes various applications of the algorithms, along with their pseudocode. Implementation tips help practitioners in further development, evaluation, and application. The book also provides researchers with useful theoretical information on big multidimensional data in machine learning and pattern recognition. MATLAB^® source code, data, and other materials are available at www.comp.hkbu.edu.hk/~haiping/MSL.html

فهرست مطالب

Content: Introduction --
Fundamentals and Foundations --
Linear Subspace Learning for Dimensionality Reduction --
Fundamentals of Multilinear Subspace Learning --
Overview of Multilinear Subspace Learning --
Algorithmic and Computational Aspects --
Algorithms and Applications --
Multilinear Principal Component Analysis --
Multilinear Discriminant Analysis --
Multilinear ICA, CCA, and PLS --
Applications of Multilinear Subspace Learning --
Appendix A: Mathematical Background --
Appendix B: Data and Preprocessing --
Appendix C: Software.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Aesthetics of Youth Scenes: From Arts of Resistance to Arts of Existence

دانلود کتاب Παιδαγωγούσα διδασκαλία ητοι έννοια και ουσιωδέσταται ταύτης απαιτήσεις

دانلود کتاب Managing Local Government: Public Administration in Practice

دانلود کتاب Самоучитель Adobe InDesign CS5

دانلود کتاب 过去与未来之间