Verwandte Artikel zu Hybride Optimierung für Dimensionsreduktion: Unüberwachte...

Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen (BestMasters)

0 durchschnittliche Bewertung
( 0 Bewertungen bei Goodreads )
 
9783658107376: Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen (BestMasters)
Alle Exemplare der Ausgabe mit dieser ISBN anzeigen:
 
 

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.

Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.

Reseña del editor:

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.

Biografía del autor:

Daniel Lückehe hat nach seiner Ausbildung zum Fachinformatiker und seinem dualen Studium zum Bachelor of Engineering ein Masterstudium an der Universität Oldenburg absolviert. Aktuell arbeitet er an seiner Doktorarbeit im Promotionsprogramm „Systemintegration Erneuerbarer Energien“.

„Über diesen Titel“ kann sich auf eine andere Ausgabe dieses Titels beziehen.

Versand: EUR 32,99
Von Deutschland nach USA

Versandziele, Kosten & Dauer

In den Warenkorb

Beste Suchergebnisse beim ZVAB

Foto des Verkäufers

Daniel Lückehe
Verlag: Springer Fachmedien Wiesbaden (2015)
ISBN 10: 3658107375 ISBN 13: 9783658107376
Neu Taschenbuch Anzahl: 1
Anbieter:
AHA-BUCH GmbH
(Einbeck, Deutschland)
Bewertung

Buchbeschreibung Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware -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. 108 pp. Deutsch. Artikel-Nr. 9783658107376

Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren

Neu kaufen
EUR 49,99
Währung umrechnen

In den Warenkorb

Versand: EUR 32,99
Von Deutschland nach USA
Versandziele, Kosten & Dauer