Open Problems in Spectral Dimensionality Reduction
Harry Strange · Reyer Zwiggelaar
2014 ж. қаң. · Springer Science & Business Media
4,0star
2 пікірreport
Электрондық кітап
92
бет
reportРейтингілер мен пікірлер тексерілмеген. Толығырақ
Осы электрондық кітап туралы ақпарат
The last few years have seen a great increase in the amount of data available to scientists. Datasets with millions of objects and hundreds, if not thousands of measurements are now commonplace in many disciplines. However, many of the computational techniques used to analyse this data cannot cope with such large datasets. Therefore, strategies need to be employed as a pre-processing step to reduce the number of objects, or measurements, whilst retaining important information inherent to the data. Spectral dimensionality reduction is one such family of methods that has proven to be an indispensable tool in the data processing pipeline. In recent years the area has gained much attention thanks to the development of nonlinear spectral dimensionality reduction methods, often referred to as manifold learning algorithms.
Numerous algorithms and improvements have been proposed for the purpose of performing spectral dimensionality reduction, yet there is still no gold standard technique.
Those wishing to use spectral dimensionality reduction without prior knowledge of the field will immediately be confronted with questions that need answering: What parameter values to use? How many dimensions should the data be embedded into? How are new data points incorporated? What about large-scale data? For many, a search of the literature to find answers to these questions is impractical, as such, there is a need for a concise discussion into the problems themselves, how they affect spectral dimensionality reduction, and how these problems can be overcome.
This book provides a survey and reference aimed at advanced undergraduate and postgraduate students as well as researchers, scientists, and engineers in a wide range of disciplines. Dimensionality reduction has proven useful in a wide range of problem domains and so this book will be applicable to anyone with a solid grounding in statistics and computer science seeking to apply spectral dimensionality to their work.Бағалар мен пікірлер
4,0
2 пікір
Осы электрондық кітапты бағалаңыз.
Пікіріңізбен бөлісіңіз.
Ақпаратты оқу
Смартфондар мен планшеттер
Android және iPad/iPhone үшін Google Play Books қолданбасын орнатыңыз. Ол аккаунтпен автоматты түрде синхрондалады және қайда болсаңыз да, онлайн не офлайн режимде оқуға мүмкіндік береді.
Ноутбуктар мен компьютерлер
Google Play дүкенінде сатып алған аудиокітаптарды компьютердің браузерінде тыңдауыңызға болады.
eReader және басқа құрылғылар
Kobo eReader сияқты E-ink технологиясымен жұмыс істейтін құрылғылардан оқу үшін файлды жүктеп, оны құрылғыға жіберу керек. Қолдау көрсетілетін eReader құрылғысына файл жіберу үшін Анықтама орталығының нұсқауларын орындаңыз.
