MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
05233nam a22004095i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
398405 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20240413121950.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a||||fo|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
230202s2023 sz | fo |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783031106026 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-031-10602-6 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| Centro/agencia modificador |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
TA347 .A78 |
| Número de documento/Ítem |
2023 EB |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Ghojogh, Benyamin |
| Término indicativo de función/relación |
autor |
| Número de control del registro de autoridad o número normalizado |
(orcid)0000-0002-9617-291X |
| Enlace |
<a href="https://orcid.org/0000-0002-9617-291X">https://orcid.org/0000-0002-9617-291X</a> |
| Código de función/relación |
http://id.loc.gov/vocabulary/relators/aut |
| 9 (RLIN) |
689938 |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
Elements of Dimensionality Reduction and Manifold Learning |
| Mención de responsabilidad, etc. |
by Benyamin Ghojogh, Mark Crowley, Fakhri Karray, Ali Ghodsi |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
1st ed 2023 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2023 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
text file |
| Formato de codificación |
PDF |
| Fuente |
rda |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Chapter 1: Introduction -- Part 1: Preliminaries and Background -- Chapter 2: Background on Linear Algebra -- Chapter 3: Background on Kernels -- Chapter 4: Background on Optimization -- Part 2: Spectral dimensionality Reduction -- Chapter 5: Principal Component Analysis -- Chapter 6: Fisher Discriminant Analysis -- Chapter 7: Multidimensional Scaling, Sammon Mapping, and Isomap -- Chapter 8: Locally Linear Embedding -- Chapter 9: Laplacian-based Dimensionality Reduction -- Chapter 10: Unified Spectral Framework and Maximum Variance Unfolding -- Chapter 11: Spectral Metric Learning -- Part 3: Probabilistic Dimensionality Reduction -- Chapter 12: Factor Analysis and Probabilistic Principal Component Analysis -- Chapter 13: Probabilistic Metric Learning -- Chapter 14: Random Projection -- Chapter 15: Sufficient Dimension Reduction and Kernel Dimension Reduction -- Chapter 16: Stochastic Neighbour Embedding -- Chapter 17: Uniform Manifold Approximation and Projection (UMAP) -- Part 4: Neural Network-based Dimensionality Reduction -- Chapter 18: Restricted Boltzmann Machine and Deep Belief Network -- Chapter 19: Deep Metric Learning -- Chapter 20: Variational Autoencoders -- Chapter 21: Adversarial Autoencoders. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Dimensionality reduction, also known as manifold learning, is an area of machine learning used for extracting informative features from data for better representation of data or separation between classes. This book presents a cohesive review of linear and nonlinear dimensionality reduction and manifold learning. Three main aspects of dimensionality reduction are covered: spectral dimensionality reduction, probabilistic dimensionality reduction, and neural network-based dimensionality reduction, which have geometric, probabilistic, and information-theoretic points of view to dimensionality reduction, respectively. The necessary background and preliminaries on linear algebra, optimization, and kernels are also explained to ensure a comprehensive understanding of the algorithms. The tools introduced in this book can be applied to various applications involving feature extraction, image processing, computer vision, and signal processing. This book is applicable to a wide audience who would like to acquire a deep understanding of the various ways to extract, transform, and understand the structure of data. The intended audiences are academics, students, and industry professionals. Academic researchers and students can use this book as a textbook for machine learning and dimensionality reduction. Data scientists, machine learning scientists, computer vision scientists, and computer scientists can use this book as a reference. It can also be helpful to statisticians in the field of statistical learning and applied mathematicians in the fields of manifolds and subspace analysis. Industry professionals, including applied engineers, data engineers, and engineers in various fields of science dealing with machine learning, can use this as a guidebook for feature extraction from their data, as the raw data in industry often require preprocessing. The book is grounded in theory but provides thorough explanations and diverse examples to improve the reader's comprehension of the advanced topics. Advanced methods are explained in a step-by-step manner so that readers of all levels can follow the reasoning and come to a deep understanding of the concepts. This book does not assume advanced theoretical background in machine learning and provides necessary background, although an undergraduate-level background in linear algebra and calculus is recommended. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2023 |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
413115 |
| Término de materia o nombre geográfico como elemento de entrada |
Inteligencia artificial |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| 9 (RLIN) |
689939 |
| Nombre de persona |
Crowley, Mark |
| Término indicativo de función/relación |
autor |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| 9 (RLIN) |
689940 |
| Nombre de persona |
Karray, Fakhri |
| Término indicativo de función/relación |
autor |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| 9 (RLIN) |
689941 |
| Nombre de persona |
Ghodsi, Ali |
| Término indicativo de función/relación |
autor |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-031-10602-6 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| 998 ## - DATOS ESTADÍSTICOS |
|---|
| Fecha de catalogación |
02/2024 |
| Tipo de materia |
E-book |
| Catalogador |
Ana Nieves |
| Catalogado |
Sí |