Statistical Models for Pattern Analysis: Linear Models for Dimensionality Reduction and Statistical Pattern Recognition - Alok Sharma
-25% su kodu BOOKS
Pristatymas per 12-18 d.d.
30 dienų grąžinimo politika
In this book a number of novel algorithms for dimension reduction and statistical pattern recognition for both supervised and unsupervised learning tasks have been presented. Several existing pattern classifiers and dimension reduction algorithms are studied. Their limitations and/or weaknesses are considered and accordingly improved techniques are given which overcome several of their shortcomings. Highlig ... Visas aprašymas
Jums taip pat gali patikti
TOP
If Anyone Builds It, Everyone Dies: Why Superhuman AI Would Kill Us All
Eliezer Yudkowsky, Nate Soares
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rust Programming Language
Steve Klabnik, Carol Nichols, Chris Krycho
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
HBR Guide to Generative AI for Managers
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Web Application Hacker's Handbook: Discovering and Exploiting Security Flaws
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Linux Basics for Hackers, 2nd Edition: Getting Started with Networking, Scripting, and Security in Kali
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Deep Learning: Foundations and Concepts
Christopher M. Bishop, Hugh Bishop
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Mathematics for Machine Learning
Cheng Soon Ong, A. Aldo Faisal, Marc Peter Deisenroth
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Death Stranding
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Artificial Intelligence: A Modern Approach, Global Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
In this book a number of novel algorithms for dimension reduction and statistical pattern recognition for both supervised and unsupervised learning tasks have been presented. Several existing pattern classifiers and dimension reduction algorithms are studied. Their limitations and/or weaknesses are considered and accordingly improved techniques are given which overcome several of their shortcomings. Highlights are: i) Survey of basic dimensional reduction tools viz. principal component analysis and linear discriminant analysis are conducted. ii) Development of Fast PCA technique which finds the desired number of leading eigenvectors with much less computational cost. iii) Development of gradient LDA technique for SSS problem. iv) The rotational LDA technique is developed to reduce the overlapping of samples between the classes. v) A combined classifier using MDC, class-dependent PCA and LDA is presented. vi) The splitting technique initialization is introduced in the local PCA technique. vii) A new perspective of subspace ICA (generalized ICA, where all the components need not be independent) is introduced by developing vector kurtosis (an extension of kurtosis) function.
Daugiau informacijos
| Autorius | Alok Sharma |
|---|---|
| Leidėjas | LAP LAMBERT Academic Publishing |
| Išleidimo metai | 2012 |
| Viršelio tipas | Minkšti viršeliai |
| EAN | 9783846533314 |