دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Nicolas Gillis
سری:
ISBN (شابک) : 1611976405, 9781611976403
ناشر: SIAM - Society for Industrial and Applied Mathematics
سال نشر: 2020
تعداد صفحات: 350
[376]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 23 Mb
در صورت تبدیل فایل کتاب Nonnegative Matrix Factorization 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 فاکتورسازی ماتریس غیر منفی 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.
فاکتورسازی ماتریس غیرمنفی (NMF) در شکل مدرن خود به یک ابزار استاندارد در تجزیه و تحلیل مجموعه داده های با ابعاد بالا تبدیل شده است. این کتاب شرح جامع و به روزی از مهمترین جنبه های مسئله NMF ارائه می دهد و اولین کتابی است که جنبه های نظری آن از جمله تفسیر هندسی، رتبه غیر منفی، پیچیدگی و منحصر به فرد بودن را شرح می دهد. این توضیح میدهد که چرا درک این بینشهای نظری برای استفاده مؤثر و معنادار از این ابزار محاسباتی کلیدی است. فاکتورسازی ماتریس غیرمنفی برای مخاطبان گسترده ای قابل دسترسی است و برای هر کسی که علاقه مند به کار NMF است ایده آل است. برخی از نتایج جدید در مورد رتبه غیرمنفی و قابلیت شناسایی NMF را مورد بحث قرار می دهد و کدهای MATLAB را در دسترس خوانندگان قرار می دهد تا نمونه های عددی ارائه شده در کتاب را اجرا کنند. دانشجویان فارغ التحصیل شروع به کار بر روی NMF و محققانی که علاقه مند به درک بهتر مسئله NMF و نحوه استفاده از آن هستند، این کتاب را مفید خواهند یافت. می توان از آن در دوره های پیشرفته در مقطع کارشناسی و کارشناسی ارشد در جبر خطی عددی و در موضوعات پیشرفته جبر خطی عددی استفاده کرد و فقط به دانش اولیه جبر خطی و بهینه سازی نیاز دارد.
Nonnegative matrix factorization (NMF) in its modern form has become a standard tool in the analysis of high-dimensional data sets. This book provides a comprehensive and up-to-date account of the most important aspects of the NMF problem and is the first to detail its theoretical aspects, including geometric interpretation, nonnegative rank, complexity, and uniqueness. It explains why understanding these theoretical insights is key to using this computational tool effectively and meaningfully. Nonnegative Matrix Factorization is accessible to a wide audience and is ideal for anyone interested in the workings of NMF. It discusses some new results on the nonnegative rank and the identifiability of NMF and makes available MATLAB codes for readers to run the numerical examples presented in the book. Graduate students starting to work on NMF and researchers interested in better understanding the NMF problem and how they can use it will find this book useful. It can be used in advanced undergraduate and graduate-level courses on numerical linear algebra and on advanced topics in numerical linear algebra and requires only a basic knowledge of linear algebra and optimization