Lückehe | Hybride Optimierung für Dimensionsreduktion | E-Book | www.sack.de
E-Book

E-Book, Deutsch, 99 Seiten, eBook

Reihe: BestMasters

Lückehe Hybride Optimierung für Dimensionsreduktion

Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen
1. Auflage 2015
ISBN: 978-3-658-10738-3
Verlag: Springer
Format: PDF
 Kopierschutz: 1 - PDF Watermark

Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen

E-Book, Deutsch, 99 Seiten, eBook

Reihe: BestMasters

ISBN: 978-3-658-10738-3
Verlag: Springer
Format: PDF
 Kopierschutz: 1 - PDF Watermark

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.

Lückehe Hybride Optimierung für Dimensionsreduktion jetzt bestellen!

Zielgruppe

Research

Autoren/Hrsg.

Lückehe, Daniel

Weitere Infos & Material

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

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“.

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.