Name: Mathematical Theories of Machine Learning - Theory and Applications (en Inglés)
Price: 294678.00 COP
Availability: InStock
Author: Shi, Bin ; Iyengar, S. S.
ISBN: 9783030170783

portada Mathematical Theories of Machine Learning - Theory and Applications (en Inglés)

Mathematical Theories of Machine Learning - Theory and Applications (en Inglés)

Formato

Libro Físico

Autor

S. S. Iyengar

Bin Shi

Editorial

Springer

Idioma

Inglés

N° páginas

133

Encuadernación

Tapa Blanda

Dimensiones

23.4 x 15.6 x 0.8 cm

Peso

0.23 kg.

ISBN13

9783030170783

Categorías

Ingeniería: general
Ingeniería de las comunicaciones/las telecomunicaciones
Inteligencia artificial

Mathematical Theories of Machine Learning - Theory and Applications (en Inglés)

S. S. Iyengar (Autor) · Bin Shi (Autor) · Springer · Tapa Blanda

Libro Nuevo Importado

Envío: 14 a 20 días háb.

$ 589.357$ 294.678

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

$ 294.678

¡Envío Gratis! Llega entre el 15 Jul y el 27 Jul a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Mathematical Theories of Machine Learning - Theory and Applications (en Inglés)"

This book studies mathematical theories of machine learning. The first part of the book explores the optimality and adaptivity of choosing step sizes of gradient descent for escaping strict saddle points in non-convex optimization problems. In the second part, the authors propose algorithms to find local minima in nonconvex optimization and to obtain global minima in some degree from the Newton Second Law without friction. In the third part, the authors study the problem of subspace clustering with noisy and missing data, which is a problem well-motivated by practical applications data subject to stochastic Gaussian noise and/or incomplete data with uniformly missing entries. In the last part, the authors introduce an novel VAR model with Elastic-Net regularization and its equivalent Bayesian model allowing for both a stable sparsity and a group selection.