作 者:(美)伊琳娜·裡什(Irina Rish),(美)賈納德裡·亞·格拉巴爾尼克(Genady Ya.Grabarnik) 著;欒悉道 等 譯
定 價:49
出 版 社:電子工業出版社
出版日期:2018年01月01日
頁 數:174
裝 幀:平裝
ISBN:9787121333569
●第1章 導論
●1.1 引導性示例
●1.1.1 計算機網絡診斷
●1.1.2 神經影像分析
●1.1.3 壓縮感知
●1.2 稀疏復原簡介
●1.3 統計學習與壓縮感知
●1.4 總結與參考書目
●第2章 稀疏復原:問題描述
●2.1 不含噪稀疏復原
●2.2 近似
●2.3 凸性: 簡要回顧
●2.4 問題(P0)的松弛
●2.5 lq-正則函數對解的稀疏性的影響
●2.6 l1範數最小化與線性規劃的等價性
●2.7 含噪稀疏復原
●2.8 稀疏復原問題的統計學視角
●2.9 擴展LASSO:其他損失函數與正則函數
●2.10 總結與參考書目
●第3章 理論結果(確定性部分)
●部分目錄
稀疏建模與現代統計學、信號處理、機器學習聯繫密切,可以實現從相對較少的觀測數據準確復原待估信號,廣泛應用於圖像重構、數據的參數學習模型、故障診斷、模式識別與雷達信號處理等領域。本書詳細討論了稀疏建模的相關內容,包括對稀疏解產生的問題描述、尋找稀疏解的求解算法、稀疏復原的理論成果以及應用實例等。封底文字:稀疏模型在一些科學應用領域(如基因或神經成像數據中的生物標記發現)特別有用,預測模型的可解譯性是其很根本的特點。稀疏性可以極大地提高信號處理的成本效益。《稀疏建模理論、算法及其應用》一書提供了對稀疏建模領域的介紹,包括應用實例、產生稀疏解的問題描述、用於尋找稀疏解的算法以及稀疏復原領域中很近的理論成果。該書將帶讀者了解稀疏建模有關的近期新進展,增加對該領域的理解,激發在該領域深入學習的興趣。在本書中,作者首先提出引導性示例,並對稀疏建模領域的關鍵近期新進展進行較高層次的探索。然後,該書描述了等
(美)伊琳娜·裡什(Irina Rish),(美)賈納德裡·亞·格拉巴爾尼克(Genady Ya.Grabarnik) 著;欒悉道 等 譯
Irina Rish:目前是IBM T.J. Watson研究中心的研究人員,她在俄羅斯的Moscow Guin Institute獲得應用數學碩士學位,並在加利福尼亞大學Irvine分校獲得計算機科學博士學位。主要研究領域包括概率推理、機器學習和信息理論。
Genady Grabarnik:現為美國聖約翰大學數學與計算機科學學院助理教授,在美國科學院獲得博士學位。
欒悉道,長沙學院副教授,畢業於國防科學技術大學,獲工學博士學位,主要研究領域為:多媒體信息繫統、圖像處理。