Tensornetzwerke zur Dimensionalitätsreduktion und groß angelegten Optimierung: Teil 1 Low-Rank-Tensor-Zerlegungen

Tensornetzwerke zur Dimensionalitätsreduktion und groß angelegten Optimierung: Teil 1 Low-Rank-Tensor-Zerlegungen (Andrzej Cichocki)

Originaltitel:

Tensor Networks for Dimensionality Reduction and Large-Scale Optimization: Part 1 Low-Rank Tensor Decompositions

Inhalt des Buches:

Moderne Anwendungen in den Bereichen Technik und Datenwissenschaft basieren zunehmend auf multidimensionalen Daten mit extrem hohem Volumen, großer Vielfalt und strukturellem Reichtum. Standardalgorithmen für maschinelles Lernen und Data Mining skalieren jedoch in der Regel exponentiell mit dem Datenvolumen und der Komplexität der cross-modalen Kopplungen - dem sogenannten Fluch der Dimensionalität -, was die Analyse solch großer, multimodaler und multirelationaler Datensätze erschwert. Angesichts der Tatsache, dass solche Daten oft bequem als Mehrweg-Arrays oder Tensoren dargestellt werden, ist es für die multidisziplinären Gemeinschaften des maschinellen Lernens und der Datenanalyse daher an der Zeit und wertvoll, Tensorzerlegungen und Tensornetzwerke als aufkommende Werkzeuge für die Dimensionalitätsreduktion und die Optimierung in großem Maßstab zu überprüfen.

Diese Monographie bietet einen systematischen und an Beispielen reichen Leitfaden zu den grundlegenden Eigenschaften und Anwendungen von Tensornetzwerk-Methoden und demonstriert ihr Versprechen als Werkzeug für die Analyse von extrem großen, multidimensionalen Daten. Sie demonstriert die Fähigkeit von Tensornetzen, linear oder sogar superlinear skalierbare Lösungen zu liefern.

Der in dieser Monographie vorgestellte Analyserahmen für Tensornetzwerke mit niedrigem Rang soll sowohl zur Entmystifizierung von Tensor-Zerlegungen für Bildungszwecke beitragen als auch Praktiker mit mehr Intuition und Freiheit bei der Entwicklung von Algorithmen für die vielfältigen Anwendungen befähigen. Darüber hinaus kann das Material in Vorlesungen über maschinelles Lernen im großen Maßstab und Big-Data-Analytik nützlich sein, oder auch als interessante Lektüre für den intellektuell neugierigen und allgemein sachkundigen Leser.

Weitere Daten des Buches:

ISBN:9781680832228
Autor:
Verlag:
Sprache:Englisch
Einband:Taschenbuch

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Tensornetzwerke zur Dimensionalitätsreduktion und groß angelegten Optimierung: Teil 1...
Moderne Anwendungen in den Bereichen Technik und...
Tensornetzwerke zur Dimensionalitätsreduktion und groß angelegten Optimierung: Teil 1 Low-Rank-Tensor-Zerlegungen - Tensor Networks for Dimensionality Reduction and Large-Scale Optimization: Part 1 Low-Rank Tensor Decompositions
Nichtnegative Matrix- und Tensorfaktorisierungen: Anwendungen für die explorative...
Dieses Buch bietet einen umfassenden Überblick über Modelle und...
Nichtnegative Matrix- und Tensorfaktorisierungen: Anwendungen für die explorative Mehrweg-Datenanalyse und die blinde Quellentrennung - Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-Way Data Analysis and Blind Source Separation
Tensornetzwerke für Dimensionalitätsreduktion und großräumige Optimierung: Teil 2 Anwendungen und...
Diese Monographie baut auf Tensor Networks for...
Tensornetzwerke für Dimensionalitätsreduktion und großräumige Optimierung: Teil 2 Anwendungen und Zukunftsperspektiven - Tensor Networks for Dimensionality Reduction and Large-scale Optimization: Part 2 Applications and Future Perspectives

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)