中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
高維數據分析中的張量學習理論與算法研究 版權信息
- ISBN：9787522901077
- 條形碼：9787522901077 ; 978-7-5229-0107-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高維數據分析中的張量學習理論與算法研究 內容簡介
現實世界中許多數據以復雜高維形式呈現，數據包含非常多的屬性或特征，對傳統的機器學習是巨大的挑戰。為此，《高維數據分析中的張量學習理論與算法研究》展開了張量理論、算法及其應用研究。本書首先系統地介紹了張量理論的一些基本概念、基本操作、經典張量分解以及經典張量算法，進而討論了支持張量描述和核支持張量描述（第3章）、OCSTuM和GA-OCSTuM方法（第4章）、極限張量學習算法（第5章）、核支持張量環機（第6章）、魯棒主張量成分分析（第7章），*后對該領域未來的發展應用前景做了評述與展望（第8章）。
高維數據分析中的張量學習理論與算法研究 目錄
第1章 緒論
1.1 研究背景及意義
1.2 張量學習算法研究進展
1.3 張量應用研究
1.4 本書主要研究內容
第2章 張量代數基礎理論
2.1 張量分解理論
2.2 t-product張量框架
2.3 張量學習算法
2.4 本章小結
第3章 基于支持張量描述算法的感知數據異常檢測
3.1 引言
3.2 支持張量數據描述
3.3 核支持張量數據描述
3.4 實驗及分析
3.5 本章小結
第4章 基于張量Tucker學習機的傳感器大數據異常檢測
4.1 引言
4.2 張量Tucker學習機
4.3 基于遺傳算法的Tucker學習機
4.4 實驗研究
4.5 本章小結
第5章 基于極限張量學習機的數據分類
5.1 引言
5.2 極限張量學習機
5.3 實驗評估
5.4 本章小結
第6章 核支持張量環機
6.1 張量圖形表示
6.2 Tensor-Train分解和Tensor-Ring分解
6.3 基于Tensor-Ring的核方法
6.4 實驗研究
6.5 結論
第7章 結論與展望
7.1 研究總結
7.2 研究展望
參考文獻
附錄 張量軟件
展開全部
高維數據分析中的張量學習理論與算法研究 作者簡介
鄧小武，博士，副教授，碩士研究生導師，中國計算機學會會員，中國高校計算機教育MOOC聯盟湖南省地區工作委員會會員，廣東省自然科學基金評審專家，醫養健康智能感知與計算懷化市重點實驗室負責人。主要研究方向為張量學習、深度學習、物聯網技術、嵌入式智能技術、工業大數據。近年來，在國內外核心期刊發表論文10余篇，其中SCI一區、二區論文多篇，授權發明專利6項。
書友推薦
- >
唐代進士錄
- >
中國歷史的瞬間
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
- >
莉莉和章魚
- >
我從未如此眷戀人間
- >
煙與鏡
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
