PCA և չափողականության իջեցում
Автор: Համալսարանական մաթեմատիկա
Загружено: 2026-01-15
Просмотров: 53
Описание:
«Մաթեմատիկայի կիրառություններ» թեմայով 2-րդ սեմինարում ԵՊՀ ՄՄՖ ասպիրանտ Արման Բայրամյանը ներկայացնում է, թե ի՞նչ է և ինչո՞ւ է կիրառվում չափողականության իջեցումը (dimensionality reduction) և պատմում իջեցման կարևոր ալգորիթմներից մեկի՝ գլխավոր բաղադրիչների վերլուծության կամ PCA-ի մասին։
🗓️ Ամսաթիվ՝ 20 նոյեմբեր, 2025
📚 Սլայդները՝
https://drive.google.com/drive/folder...
⏳Թեմաներ
00:00 Խնդրի դրվածքը
03:32 Ինչո՞ւ իջեցնել տվյալների չափողականությունը
06:52 Օրինակ․ ո՞ր ուղղություններն են ավելի կարևոր
10:47 Գլխավոր բաղադրիչների վերլուծություն (PCA)
12:23 Պրոյեկցիա ուղղի վրա
19:22 Ցրվածք կամ վարիացիա
23:19 Քայլ 1․ Var(p)-ի հաշվումը
28:42 Քայլ 2․ գրառում մատրիցային տեսքով
36:08 Քայլ 3․ Var(p)-ի մաքսիմիզացիա
38:26 Կովարիացիոն մատրից
40:35 Սիմետրիկ մատրիցի անկյունագծայնացում
48:17 Անցում նոր բազիսի (հենքի)
52:47 Բացատրվող վարիացիայի չափը
55:56 Ակնարկ SVD վերլուծության մասին
01:01:32 Ամփոփում․ PCA ալգորիթմը
01:04:40 Օրինակ․ PCA-ի կիրառություն
01:08:42 Հաջորդ անգամ․ ազդանշանների մշակում
👇 Սեմինարի բոլոր մասերը՝
• Մաթեմատիկայի կիրառություններ
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке:
