Fouad Sabry

Riduzione della dimensionalità (eBook, ePUB)

Progressi nell'elaborazione dei dati per sistemi intelligenti
Übersetzer: Pinto, Cosimo

• Format: ePub

Produktbeschreibung

1: Riduzione della dimensionalità: introduce il concetto e la necessità di ridurre la complessità dei dati ad alta dimensionalità nella robotica.

2: Analisi delle componenti principali: discute la PCA come tecnica lineare chiave per l'estrazione di caratteristiche e la compressione dei dati.

3: Riduzione della dimensionalità non lineare: esplora le tecniche non lineari per catturare strutture di dati complesse nella robotica.

4: Eigenface: copre l'uso di eigenface per il riconoscimento facciale nella robotica, dimostrando un'applicazione reale della riduzione della dimensionalità.

5: Funzioni ortogonali empiriche: descrive un metodo per rappresentare i dati in un modo che catturi caratteristiche importanti per i sistemi robotici.

6: Incorporamento semidefinito: introduce questa tecnica per preservare le relazioni dei dati riducendo al contempo la dimensionalità, migliorando l'elaborazione dei dati robotici.

7: Analisi discriminante lineare: spiega come LDA aiuta nelle attività di classificazione concentrandosi sulla separabilità delle classi nei dati ridotti.

8: Fattorizzazione di matrice non negativa: descrive come NMF aiuta a estrarre rappresentazioni basate sulle parti dai dati, in particolare per la robotica.

9: Analisi delle componenti principali del kernel: espande PCA con metodi kernel per gestire dati non lineari, cruciali per i sistemi robotici che lavorano con input complessi.

10: Shogun (toolbox): evidenzia la toolbox di apprendimento automatico Shogun, che include metodi di riduzione della dimensionalità per applicazioni robotiche.

11: Clustering spettrale: copre questa tecnica per il clustering di dati ad alta dimensionalità, un'attività essenziale nella percezione e comprensione robotica.

12: Isomap: discute Isomap, un metodo per la riduzione della dimensionalità non lineare, e il suo impatto sul miglioramento dei modelli robotici.

13: Regressione delle componenti principali: collega PCA con la regressione per ridurre la dimensionalità dei dati e migliorare i modelli predittivi nella robotica.

14: Apprendimento del sottospazio multilineare: introduce questo metodo avanzato per la gestione di dati multidimensionali, aumentando le prestazioni del robot.

15: Mlpy: descrive in dettaglio la libreria di apprendimento automatico Mlpy, mostrando strumenti per la riduzione della dimensionalità nei sistemi robotici.

16: Mappa di diffusione: si concentra sulla tecnica della mappa di diffusione per la riduzione della dimensionalità e la sua applicazione alla robotica.

17: Apprendimento delle feature: esplora il concetto di apprendimento delle feature e la sua importanza nel migliorare l'interpretazione dei dati dei sistemi robotici.

18: Filtro adattivo del kernel: discute questa tecnica di filtraggio per adattare i modelli ai dati dinamici, migliorando il processo decisionale robotico in tempo reale.

19: Proiezione casuale: offre approfondimenti su come le tecniche di proiezione casuale possono accelerare la riduzione della dimensionalità per grandi set di dati nella robotica.

20: Ingegneria delle feature: introduce il processo di progettazione di feature che aiutano i robot a comprendere e interagire con i loro ambienti in modo più efficace.

21: Distribuzione normale multivariata: si conclude con un'esplorazione di questo strumento statistico utilizzato nella robotica per gestire l'incertezza e la modellazione dei dati.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Un Miliardo Di Ben Informato [Italian]
• Seitenzahl: 354
• Erscheinungstermin: 18. Dezember 2024
• Italienisch
• ISBN-13: 6610000687763
• Artikelnr.: 72637279