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

Lückehe, Daniel

 
9783658107376: Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen (BestMasters)
Softcover
ISBN 10: 3658107375 ISBN 13: 9783658107376
Verlag: Springer Vieweg, 2015

Inhaltsangabe

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.

Über die Autorin bzw. den 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“.

Von der hinteren Coverseite

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.

Der Inhalt

  • Unüberwachte Regression
  • Nadaraya-Watson-Schätzer
  • Unüberwachte Kernel-Regression
  • Gradientenabstieg
  • Variable Kernel-Funktion

Die Zielgruppen

  • Dozenten und Studenten der Informatik, insbesondere des Fachgebiets Maschinelles Lernen
  • Naturwissenschaftler mit Bezug zum Thema "Big Data"

Der Autor

Daniel Lückehe hat nach seiner Ausbildung zum Fachinformatiker und seinem dualen Studium zumBachelor 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.

Verlag
Springer Vieweg
Erscheinungsdatum
2015
Sprache
Deutsch
ISBN 10 
3658107375
ISBN 13 
9783658107376
Einband
Tapa blanda
Auflage
1
Anzahl der Seiten
108
Kontakt zum Hersteller
Nicht verfügbar
Verantwortliche Person
CMN Printpool Inh. Mathis Neumann
https://www.also.com/ec/cms5/en_6000/6000/index.jsp

Friedrich-Karl-Str. 9
Hamburg
Deutschland