Nieujemne faktoryzacje macierzy i tensorów: Zastosowania do eksploracyjnej wielokierunkowej analizy danych i ślepej separacji źródeł

Opinie czytelników

Książka jest wysoko ceniona za dogłębne zbadanie technik faktoryzacji macierzy nieujemnych, dostarczając licznych przykładów i kodu. Służy zarówno jako podstawowe wprowadzenie, jak i praktyczny przewodnik po zaawansowanych koncepcjach, choć ma pewne niespójności i mogłaby skorzystać z większej liczby praktycznych przykładów.

Świetne przykłady i różnorodność, przydatny zbiór technik, kompleksowa i dokładna prezentacja, zaczyna się od podstaw i przechodzi do praktycznych zastosowań, zwięzły i łatwy do naśladowania.

Pewne niespójności w tekście, zakłada znajomość kompromisów algorytmów, brakuje praktycznych przykładów w niektórych obszarach.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-Way Data Analysis and Blind Source Separation

Zawartość książki:

Niniejsza książka zawiera szeroki przegląd modeli i wydajnych algorytmów nieujemnej faktoryzacji macierzy (NMF). Obejmuje to różne rozszerzenia i modyfikacje NMF, w szczególności nieujemne faktoryzacje tensorów (NTF) i nieujemne dekompozycje Tuckera (NTD). NMF/NTF i ich rozszerzenia są coraz częściej wykorzystywane jako narzędzia w przetwarzaniu sygnałów i obrazów oraz analizie danych, wzbudzając zainteresowanie ze względu na ich zdolność do dostarczania nowych spostrzeżeń i istotnych informacji na temat złożonych relacji w zbiorach danych eksperymentalnych. Sugeruje się, że NMF może zapewnić znaczące komponenty z fizyczną interpretacją.

Na przykład w bioinformatyce NMF i jej rozszerzenia zostały z powodzeniem zastosowane do ekspresji genów, analizy sekwencji, funkcjonalnej charakterystyki genów, klastrowania i eksploracji tekstu. W związku z tym autorzy koncentrują się na algorytmach, które są najbardziej przydatne w praktyce, patrząc na najszybsze, najbardziej niezawodne i odpowiednie dla modeli na dużą skalę.

Kluczowe cechy:

⬤ Działa jako jednoźródłowy przewodnik referencyjny po NMF, zestawiając informacje, które są szeroko rozproszone w aktualnej literaturze, w tym własne, niedawno opracowane techniki autorów w tym obszarze tematycznym.

⬤ Wykorzystuje uogólnione funkcje kosztu, takie jak Bregman, Alpha i Betadivergences, aby przedstawić praktyczne implementacje kilku rodzajów solidnych algorytmów, w szczególności algorytmów multiplikatywnych, naprzemiennych najmniejszych kwadratów, prognozowanego gradientu i quasi-Newtona.

⬤ Zapewnia analizę porównawczą różnych metod w celu określenia błędu aproksymacji i złożoności.

⬤ Zawiera pseudokody i zoptymalizowane kody źródłowe MATLAB dla prawie wszystkich algorytmów przedstawionych w książce.

Rosnące zainteresowanie nieujemnymi macierzami i tensorfizacjami, a także dekompozycjami i rzadką reprezentacją danych sprawi, że książka ta będzie niezbędną lekturą dla inżynierów, naukowców, badaczy, praktyków przemysłowych i studentów studiów podyplomowych w zakresie przetwarzania sygnałów i obrazów.

Neuronauka.

Eksploracja i analiza danych.

Informatyka.

Bioinformatyki.

Przetwarzanie mowy.

Inżynieria biomedyczna.

I multimedia.