Name: Feature and Dimensionality Reduction for Clustering with Deep Learning (en Inglés)
Price: 376.93 PEN
Availability: InStock
Author: Ros, Frederic ; Riad, Rabia
ISBN: 9783031487422

portada Feature and Dimensionality Reduction for Clustering with Deep Learning (en Inglés)

Feature and Dimensionality Reduction for Clustering with Deep Learning (en Inglés)

Formato

Libro Físico

Autor

Frédéric Ros

Rabia Riad

Editorial

Springer

Idioma

Inglés

N° páginas

268

Encuadernación

Tapa Dura

Dimensiones

23.4 x 15.6 x 1.8 cm

Peso

0.57 kg.

ISBN13

9783031487422

Categorías

Ingeniería: general
Ingeniería de las comunicaciones/las telecomunicaciones
Minería de datos («data mining»)

Feature and Dimensionality Reduction for Clustering with Deep Learning (en Inglés)

Frédéric Ros (Autor) · Rabia Riad (Autor) · Springer · Tapa Dura

Libro Nuevo Importado

Envío: 13 a 18 días háb.

S/ 837,61S/ 376,93

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

S/ 376,93

Llega entre el 08 Jul y el 16 Jul a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Feature and Dimensionality Reduction for Clustering with Deep Learning (en Inglés)"

This book presents an overview of recent methods of feature selection and dimensionality reduction that are based on Deep Neural Networks (DNNs) for a clustering perspective, with particular attention to the knowledge discovery question. The authors first present a synthesis of the major recent influencing techniques and "tricks" participating in recent advances in deep clustering, as well as a recall of the main deep learning architectures. Secondly, the book highlights the most popular works by "family" to provide a more suitable starting point from which to develop a full understanding of the domain. Overall, the book proposes a comprehensive up-to-date review of deep feature selection and deep clustering methods with particular attention to the knowledge discovery question and under a multi-criteria analysis. The book can be very helpful for young researchers, non-experts, and R&D AI engineers.