دانلود مقالات ISI درباره کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد + ترجمه فارسی
Dimension Reduction
آشنایی با موضوع
کاهش ابعاد یا فروکاهی ابعاد (Dimension reduction) به فرایند کاستن و کمکردن از تعداد ابعاد و متغیرهای مورد نیاز برای نمایش و بررسی مسائل مطرح در ریاضیات، آمار، فیزیک، مهندسی، و بسیاری از شاخههای علوم محاسباتی و پیچیدهٔ نوین اطلاق میشود. در یادگیری ماشین و آمار کاهش بعد یا کاهش ابعاد روند کاهش تعداد متغیرهای تصادفی تحت نظر از طریق به دست آوردن یک مجموعه از متغیرهای اصلی میباشد. کاهش ابعاد را میتوان به انتخاب ویژگی و استخراج ویژگی تقسیم کرد. در ادبیات تحلیلهای چند متغیری اساساً به روشهایی که برای کاهش ابعاد استفاده میشود، روشهای محوری یا روشهای هندسی گفته میشود. کاهش ابعاد به دو دسته انتخاب ویژگی و استخراج ویژگی تقسیم میشود. در انتخاب ویژگی که در فضای اندازهگیری انجام میشود هدف پیدا کردن ویژگیهای مطلوب از بین کل ویژگیهای موجود است در حالی در استخراج ویژگی هدف انتقال ویژگیهای انتخاب شده از فضای با ابعاد بیشتر به فضای با ابعاد کمتر و تعداد متغیرهای کمتر میباشد.
برای مجموعه دادههای با ابعاد بزرگ (یا به عنوان مثال با تعداد ابعاد بیش از ۱۰) کاهش ابعاد معمولاً قبل از اعمال الگوریتم نزدیکترین همسایگان (k-NN) به منظور جلوگیری از نفرین بعدی انجام میشود.
مزایای استفاده از کاهش ابعاد:
ـ فضا، زمان و ذخیرهسازی مورد نیاز را کاهش میدهد.
ـ از بین بردن چند ستون، عملکرد مدل یادگیری ماشین را بهبود میبخشد.
ـ هنگامی که به ابعاد بسیار کم مانند 2D یا 3D تبدیل میشود، دادهها به راحتی قابل مشاهده است.
در این صفحه تعداد 385 مقاله تخصصی درباره کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند. در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Dimension reduction; Disclosure; Marked point processes; Multiple imputation; Privacy; Predictive process
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Inverse regression; Dimension reduction; Principal components; Variable selection; Variable screening; High dimensionality; Data analysis;
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; C13; C32; C38; αα-mixing; Dimension reduction; Instrument variables; Nonstationarity; Time series;
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Diffusion maps; Bayesian generative models; Dimension reduction; Time series; Statistical manifold
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Document clustering; Sparseness problem; Patent clustering; Dimension reduction; K-means clustering based on support vector clustering; Silhouette measure;
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Similar handwritten Chinese character recognition; Static candidates generation; Dimension reduction; Manifold learning; Patch alignment framework; Discriminative locality alignment
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Multivariate statistics; Classification analysis; Shrinkage estimation; Dimension reduction; Data mining
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Feature selection; Feature extraction; Dimension reduction; Sparsity; Three-stage model; Text clustering
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Servo-pneumatic; Material handling system; Fault diagnosis; Feature selection; Data mining; Dimension reduction; Gustafson-Kessel; k-Medoids;
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Object oriented data analysis; Combinatorial optimization; Principal component analysis; Tree-lines; Tree structured objects; Dimension reduction
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Mixed-domain feature set; Linear local tangent space alignment (LLTSA); Dimension reduction; Littlewood-Paley wavelet support vector machine (LPWSVM); Fault diagnosis;
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Dimension reduction; Finite mixture models; Hierarchical Bayesian model; Mixtures of factor analyzers; Latent variable model
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; 60G10; 62G99; 62M99Covariance operator; Dimension reduction; Hilbertian time series; n-consistency; Functional Principal Component Analysis
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Dimension reduction; Bayes optimality; Chinese handwriting character recognition; Large category; Class separation problem
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Speech emotion recognition; Transfer learning; Non-negative matrix factorization; Dimension reduction
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Micro-array data; Dimension reduction; Feature selection; Feature extraction; principal component; Analysis; Support Vector Machine
Keywords: کاهش ابعاد یا فروکاهی ابعاد یا تقلیل ابعاد; Stochastic processes; Autocovariance; Dimension reduction; High frequency data; Volatility forecasting;