Семинары
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Ближайшие семинары
Календарь семинаров
Список семинаров
Архив по годам
Регистрация семинара

Поиск
RSS
Ближайшие семинары






Дискретная и вычислительная геометрия
4 февраля 2014 г. 13:00, г. Москва, ИППИ РАН, Большой Каретный переулок, 19, ауд. 307
 


Manifold Learning — что это такое

А. В. Бернштейн

Количество просмотров:
Эта страница:400

Аннотация: В последние годы термин Manifold Learning активно используется в самых разных направлениях математики и Computer Science для обозначения самых разных задач, общее в которых только одно - известно конечное множество точек из многообразия (как правило, известной размерности), вложенного в евклидово пространство большей (возможно, достаточно высокой) размерности, по которому надо что-то сказать о многообразии. Одна постановка связана с восстановлением других точек многообразия (задачи аппроксимации, интерполяции, восстановления,... ); другая связана с восстановлением (оцениванием по данным) некоторых топологических свойств многообразия (появились направление и термин “Topological Data Analysis”). Большая часть сообщения будет касаться задачи построения низкоразмерной параметризации многообразия и описания многообразия с помощью построения отображения из построенного параметрического пространства в объемлющее евклидово пространство. Такие задачи формулируются как задачи снижения размерности, Feature Selection, Representation Learning и др., а их решения активно используются в приложениях — машинном зрении, анализе изображений, сигналов, текстов и др. Возможность использования в приложениях методов Manifold Learning связано с эмпирическим фактом о том, что реальные многомерные данные лежат, как правило, на или вблизи вложенного многообразия невысокой размерности (Гипотеза многообразия, Модель данных в виде многообразия).

ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru
 
Обратная связь:
 Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2021