Principal Manifold Learning by Sparse Grids
The construction of lower-dimensional manifolds from high-dimensional data is an important task in data mining, machine learning and statistics. The authors consider principal manifolds as a regularized, non-linear empirical quantization error functional.
Рубрика | Математика |
Вид | статья |
Язык | английский |
Дата добавления | 08.02.2013 |
Размер файла | 1,3 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
HTML-версии работы пока нет.
Cкачать архив работы можно перейдя по ссылке, которая находятся ниже.
Подобные документы
Characteristics of the main two-dimensional, three-dimensional and n-dimensional geometric shapes, their use in mathematics, physics and other. Properties of two-dimensional geometric shapes arranged on the plane: polygon, triangle, quadrilateral, circle.
топик [251,8 K], добавлен 21.12.2013Construction of the general algorithm for integration of the linear usual distinctive equation. Creation of the common decision of the differential equation. An example of the decision of linear systems. Definition of components of certain functions.
учебное пособие [2,4 M], добавлен 03.10.2011Подходы к оценке кредитного риска: недостатки методик Базеля II. Модели оценки: качество и прозрачность методик, структура данных. Скоринговые методики, кластерный и дискриминантный анализ, нейронные сети и дерево классификаций, data mining и регрессии.
курсовая работа [3,3 M], добавлен 21.08.2008Review of concepts, forms and different ways of representing the methods of mathematical induction, characterization of its ideas and principles. Features of a multimedia learning object students and teachers on the example of the University of Latvia.
реферат [1,1 M], добавлен 11.02.2012Investigation of the problem with non-local conditions on the characteristic and on the line of degeneracy . The solution of the modied Cauchy problem with initial data. The solution of singular integral equations. Calculation of the inner integral.
статья [469,4 K], добавлен 15.06.2015Data mining, developmental history of data mining and knowledge discovery. Technological elements and methods of data mining. Steps in knowledge discovery. Change and deviation detection. Related disciplines, information retrieval and text extraction.
доклад [25,3 K], добавлен 16.06.2012Описание функциональных возможностей технологии Data Mining как процессов обнаружения неизвестных данных. Изучение систем вывода ассоциативных правил и механизмов нейросетевых алгоритмов. Описание алгоритмов кластеризации и сфер применения Data Mining.
контрольная работа [208,4 K], добавлен 14.06.2013Совершенствование технологий записи и хранения данных. Специфика современных требований к переработке информационных данных. Концепция шаблонов, отражающих фрагменты многоаспектных взаимоотношений в данных в основе современной технологии Data Mining.
контрольная работа [565,6 K], добавлен 02.09.2010Основы для проведения кластеризации. Использование Data Mining как способа "обнаружения знаний в базах данных". Выбор алгоритмов кластеризации. Получение данных из хранилища базы данных дистанционного практикума. Кластеризация студентов и задач.
курсовая работа [728,4 K], добавлен 10.07.2017Классификация задач DataMining. Создание отчетов и итогов. Возможности Data Miner в Statistica. Задача классификации, кластеризации и регрессии. Средства анализа Statistica Data Miner. Суть задачи поиск ассоциативных правил. Анализ предикторов выживания.
курсовая работа [3,2 M], добавлен 19.05.2011