آشنایی با موضوع

کاهش ابعاد یا فروکاهی ابعاد 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 پیچیده نوین اطلاق می‌شود. 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. 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. انتخاب ویژگی: انتخاب ویژگی روشی است که برای پیدا کردن یک زیر مجموعه از متغیرهای اصلی (آن هارا ویژگی‌ها یا صفات نیز می‌گویند) تلاش می‌کند. برای این عمل سه استراتژی وجود دارد: استراتژی فیلتر، استراتژی بسته‌بندی و استراتژی جاسازی شده (ویژگی‌ها برای ساختن مدل بر اساس اشتباهات پیش بینی، انتخاب می‌شوند تا اضافه شوند یا حذف شوند). در برخی از موارد، تجزیه و تحلیل داده‌ها مانند رگرسیون یا طبقه‌بندی می‌تواند در فضای کاهش یافته دقیق تر از فضای اصلی انجام بشود. استخراج ویژگی: استخراج ویژگی داده‌ها را در فضای با ابعاد بزرگ به یک فضای ابعاد کمتر تبدیل می‌کند. تحول داده‌ها می‌تواند خطی باشد، همان‌طور که در تجزیه و تحلیل مولفه اصلی (PCA)، اما بسیاری از تکنیک‌های کاهش اندازه غیر خطی نیز وجود دارد. برای داده‌های چند بعدی، نمایندگی تانسور را می‌توان در کاهش ابعاد از طریق یادگیری زیر فضای چند لاین استفاده کرد. نفرین ابعاد زیاد: نفرین ابعاد یکی از خصوصیات مسائل طبقه‌بندی یا رگرسیون و به این معنی است که فضای ویژگی با ابعاد زیادتر باعث ایجاد تعداد زیادتری از پارامترها می‌شود که بایستی تخمین زده شود. در نتیجه با افزایش تعداد پارامترها احتمال Over fitting در مدل نیاز تقویت می‌شود. یعنی بهترین تعمیم کارایی زمانی حاصل می‌شود که زیر مجموعه‌ای از ویژگیهای موجود بکار روند. 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: 1- فضا، زمان و ذخیره‌سازی مورد نیاز را کاهش می‌دهد. 2- از بین بردن چند ستون، عملکرد مدل یادگیری ماشین را بهبود می‌بخشد. 3- هنگامی که به ابعاد بسیار کم مانند 2D یا 3D تبدیل می‌شود، داده‌ها به راحتی قابل مشاهده است.
در این صفحه تعداد 728 مقاله تخصصی درباره کاهش ابعاد، فروکاهی 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، فروکاهی 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.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Remote sensing; Ontology conceptualization; Ontology alignment; Similarity measures; Dimensionality reduction; Ordinal regression model;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Dimensionality reduction; Kernel PCA; Diffusion-based kernel; Measure-based information; Grid construction; Data discretization
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Information technology; Dimensionality reduction; Categorical data; Mixed-type data; Distance hierarchy; t-SNE;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Data preprocessing; Data reduction; Missing values imputation; Noise filtering; Dimensionality reduction; Instance reduction; Discretization; Data mining
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Generative models; Machine learning; Sparse grids; Dimensionality reduction; Numerical simulation data; Car-crash analysis;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Uncertainty quantification; Variational Bayesian; Inverse problem; Dimensionality reduction; Elastography; Dictionary learning
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Active subspace; Uncertainty quantification; Gaussian process regression; Dimensionality reduction; Stiefel manifold; Granular crystals;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Locality preserving projections; Bilateral filtering; Dimensionality reduction; Subspace learning; Hyperspectral image classification
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Face recognition; Feature extraction; Dimensionality reduction; Collaborative representation; Sparse representation; Linear regression classification; Linear collaborative discriminant regression classification; Linear discriminant regression classificati
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Electrical resistance tomography; Three dimensional image reconstruction; Simultaneous iterative reconstruction technique; Dimensionality reduction; Singular vector decomposition;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Dual Tree Complex Wavelet Transform; Embolic signals; Dimensionality reduction; Support vector machines; Stacked generalization; Ensemble learning;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Video copy detection; Content protection; Video fingerprinting; Dimensionality reduction; Double optimal projection; Graph model; Intra-cluster; Inter-cluster
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; PCA; Principal Component Analysis; cMDS; classical Multi-Dimensional Scaling; BH-SNE; Barnes-Hut Stochastic Neighbor Embedding; t-SNE; t-Distributed Stochastic Neighbor Embedding; ISH; in situ hybridization; API; application programming interface; MR; mag
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Dimensionality reduction; Multiple kernel learning; Trace ratio maximization; Spectral regression; Graph embedding
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Multiset canonical correlation analysis; Graph embedding; Multiple feature extraction; Feature fusion; Dimensionality reduction; Discriminant analysis;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Feature selection; Mutual information; Joint mutual information; Conditional mutual information; Subset feature selection; Classification; Dimensionality reduction; Feature selection stability;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Hyperspectral image classification; Dimensionality reduction; Graph embedding; Sparse manifold learning; Discriminant learning
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Well log interpretation; Dimensionality reduction; Crystalline rocks; Principal component analysis; Linear discriminant analysis; Machine learning
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Color image analysis; Dimensionality reduction; Color image feature extraction; Eigen-decomposition; Principal component analysis; Discriminant analysis
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: کاهش ابعاد، فروکاهی ابعاد; Acoustic emission; Binary bat algorithm; Dimensionality reduction; Incipient low-speed bearing fault diagnosis; Multiclass support vector machines; Wavelet packet transform