Mathematische Grundlagen des überwachten maschinellen Lernens

Dieses Buch behandelt die gängigsten Methoden zur Klassifikation von digitalisierten Objekten. Jedem Objekt ist ein Punkt im Euklidischen Raum passender Dimension zugeordnet. Das Lernen basiert auf einer Menge von Punkten, für die die zugehörige Klasse bekannt ist. Eine Reduktion der Dimension sowie elementare und anspruchsvollere Methoden zur Ermittlung schnell berechenbarer Funktionen, mit denen man aus einem Punkt die zugehörige Klasse mit einer möglichst geringen Fehlerrate ableiten kann, werden hergeleitet und in einer einheitlichen Herangehensweise begründet. Die recht elementaren Beweise werden im Wesentlichen mit Mitteln der Linearen Algebra geführt, nur für die neuronalen Netze wird etwas Analysis benötigt.

Die Produktfamilie WissensExpress bietet Ihnen Lehr- und Lernbücher in kompakter Form. Die Bücher liefern schnell und verständlich fundiertes Wissen.

Der Inhalt

• Einführung
• Hauptkomponentenanalyse
• Perzeptron-Lernalgorithmus
• Fisher-Diskriminante
• Support-Vektor-Maschinen
• Vorwärtsgerichtete neuronale Netze

Die Zielgruppen

• Studierende der Mathematik, Physik und Informatik
• Forschende im Bereich des maschinellen Lernens

Der Autor

Konrad Engel arbeitete von 1992 bis zu seinem Ruhestand im Jahr 2022 als Professor für Mathematische Optimierung an der Universität Rostock. Seine Forschungsschwerpunkte sind die Diskrete Mathematik und Kombinatorik sowie Anwendungen der Mathematischen Optimierung und Polyedertheorie in Medizin, Biologie und Physik.