Compartir
Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und Evolutionären Algorithmen (Bestmasters) (en Alemán)
Daniel Lückehe (Autor)
·
Springer Vieweg
· Tapa Blanda
Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und Evolutionären Algorithmen (Bestmasters) (en Alemán) - Daniel Lückehe
$ 47.36
$ 49.99
Ahorras: $ 2.63
Elige la lista en la que quieres agregar tu producto o crea una nueva lista
✓ Producto agregado correctamente a la lista de deseos.
Ir a Mis ListasSe enviará desde nuestra bodega entre el
Lunes 03 de Junio y el
Martes 04 de Junio.
Lo recibirás en cualquier lugar de Estados Unidos entre 1 y 3 días hábiles luego del envío.
Reseña del libro "Hybride Optimierung für Dimensionsreduktion: Unüberwachte Regression mit Gradientenabstieg und Evolutionären Algorithmen (Bestmasters) (en Alemán)"
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.
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Alemán.
La encuadernación de esta edición es Tapa Blanda.
✓ Producto agregado correctamente al carro, Ir a Pagar.