稀疏建模理论算法及其应用(信息与通信技术)/经典译丛
全新正版 极速发货
￥ 30.8 6.3折 ￥ 49 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)伊琳娜·里什//贾纳德里·亚·格拉巴尔尼克|译者:栾悉道//王卫威//谢毓湘//魏迎梅
出版社电子工业
ISBN9787121333569
出版时间2018-01
装帧其他
开本其他
定价49元
货号30072287
上书时间2024-06-09
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
贾纳德里·亚·格拉巴尔尼克(GenadyGrabarnik)，现为美国圣约翰大学数学与计算机科学学院助理教授，在美国科学院获得博士学位。
目录
第1章 导论
1.1 引导性示例
1.1.1 计算机网络诊断
1.1.2 神经影像分析
1.1.3 压缩感知
1.2 稀疏复原简介
1.3 统计学习与压缩感知
1.4 总结与参考书目
第2章 稀疏复原：问题描述
2.1 不含噪稀疏复原
2.2 近似
2.3 凸性： 简要回顾
2.4 问题(P0)的松弛
2.5 lq-正则函数对解的稀疏性的影响
2.6 l1范数最小化与线性规划的等价性
2.7 含噪稀疏复原
2.8 稀疏复原问题的统计学视角
2.9 扩展LASSO：其他损失函数与正则函数
2.10 总结与参考书目
第3章 理论结果（确定性部分）
3.1 采样定理
3.2 令人惊讶的实验结果
3.3 从不完全频率信息中进行信号复原
3.4 互相关
3.5 Spark与问题(P0)解的唯一性
3.6 零空间性质与问题(P1)解的唯一性
3.7 有限等距性质
3.8 最坏情况下精确复原问题的平方根瓶颈
3.9 基于RIP的精确重构
3.10 总结与参考书目第4章理论结果（概率部分）
4.1 RIP何时成立？
4.2 Johnson-Lindenstrauss引理与亚高斯随机矩阵的RIP
4.2.1 Johnson-Lindenstrauss集中不等式的证明
4.2.2 具有亚高斯随机元素的矩阵的RIP
4.3 满足RIP的随机矩阵
4.3.1 特征值与RIP
4.3.2 随机向量，等距随机向量
4.4 具有独立有界行的矩阵与具有傅里叶变换随机行的矩阵的RIP
4.4.1 URI的证明
4.4.2 一致大数定律的尾界
4.5 总结与参考书目
第5章 稀疏复原问题的算法
5.1 一元阈值是正交设计的最优方法
5.1.1 l0范数最小化
5.1.2 l1范数最小化
5.2 求解l0范数最小化的算法
5.2.1 贪婪方法综述
5.3 用于l1范数最小化的算法
5.3.1 用于求解LASSO的最小角回归方法
5.3.2 坐标下降法
内容摘要
稀疏建模与现代统计学、信号处理、机器学习联系密切，可以实现利用相对较少的观测数据精确复原
待估信号，广泛应用于图像重构、数据的参数学习模型、故障诊断、模式识别与雷达信号处理等领域。伊琳娜·里什、贾纳德里·亚·格拉巴尔尼克著的《稀
疏建模理论算法及其应用（信息与通信技术）》详细讨论了稀疏建模的相关内容，包括对稀疏解产生的问题描述、寻找稀疏解的求解算法、稀疏复原的理论成果以及应用实例等。
本书适合信息与信号处理、图像处理等专业的高校研究生以及科研机构相关研究人员使用。
— 没有更多了 —
以下为对购买帮助不大的评价