Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen (BestMasters) (German Edition)
Produktdetails
| Artikelnummer | 231995656 | Erscheinungsdatum | 2026/06/18 | Listenpreis | €16.18 | Modellnummer | 231995656 | ||
|---|---|---|---|---|---|---|---|---|---|
| Kategorie | |||||||||
In der Arbeit von Daniel Lückehe wird ein neues hybrides Verfahren zur Dimensionsreduktion methodisch erarbeitet, analysiert und durch experimentelle Tests mit vorhandenen Methoden verglichen. Hochdimensionale Daten, häufig zusammengefasst unter dem Begriff „Big Data“, liegen heutzutage in vielen Bereichen vor. Darunter fallen beispielsweise visuell erfasste Informationen, in denen Muster erkannt werden sollen, Anwendungen im medizinischen Bereich sowie Daten aus dem Gebiet der Astronomie.Eine Dimensionsreduktion kann dabei helfen, Informationen aus großen, hochkomplexen Datensätzen zu gewinnen und diese besser verarbeiten zu können. So können Daten beispielsweise auf einen zweidimensionalen Raum abgebildet und somit für den Menschen visuell erfassbar werden. Read more
| ASIN | 3658107375 |
|---|---|
| ISBN10 | 9783658107376 |
| ISBN13 | 978-3658107376 |
| Edition | 1. Aufl. 2015 |
| Language | German |
| Publisher | Springer Vieweg |
| Dimensions | 5.83 x 0.25 x 8.27 inches |
| Item Weight | 5.3 ounces |
| Print length | 107 pages |
| Publication date | July 30, 2015 |
Korrektur der Produktinformationen
Wenn Sie Unvollständigkeiten oder Fehler in den Produktinformationen auf dieser Seite bemerken, nutzen Sie bitte das Korrekturformular unten.
KorrekturanfrageKundenbewertungen
Für dieses Produkt liegen derzeit keine schriftlichen Bewertungen vor.