Blick ins Buch

Hybride Optimierung für Dimensionsreduktion

Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen

Daniel Lückehe (Autor)

Buch | Softcover

VIII, 99 Seiten

2015 | 1. Aufl. 2015
Springer Fachmedien Wiesbaden GmbH (Verlag)
978-3-658-10737-6 (ISBN)

Lese- und Medienproben

Inhaltsverzeichnis (PDF)

Artikel merken

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.

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“.

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

Erscheint lt. Verlag	30.7.2015
Reihe/Serie	BestMasters
Zusatzinfo	VIII, 99 S. 51 Abb.
Verlagsort	Wiesbaden
Sprache	deutsch
Maße	148 x 210 mm
Gewicht	156 g
Themenwelt	Informatik ► Grafik / Design ► Digitale Bildverarbeitung
Themenwelt	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
Schlagworte	Big Data • Computational Intelligence • Computer Science • Computing Methodologies • Dimensionsreduktion • Evolutionäre Algorithmen • Maschinelles Lernen • Regressionsmodell • Theory of Computation
ISBN-10	3-658-10737-5 / 3658107375
ISBN-13	978-3-658-10737-6 / 9783658107376
Zustand	Neuware