ISBN: 9787121333569

出版日期: 2018-01-01

作者： （美）伊琳娜·里什，（美）賈納德里·亞·格拉巴爾尼克

裝訂： 平裝.無.184頁.26.

稀疏建模與現代統計學、信號處理、機器學習聯繫密切，可以實現從相對較少的觀測資料精確復原待估信號，廣泛應用於圖像重構、資料的參數學習模型、故障診斷、模式識別與雷達信號處理等領域。
 
本書詳細討論了稀疏建模的相關內容，包括對稀疏解產生的問題描述、尋找稀疏解的求解演算法、稀疏復原的理論成果以及應用實例等。封底文字：稀疏模型在一些科學應用領域（如基因或神經成像資料中的生物標記發現）特別有用，預測模型的可解譯性是其最根本的特點。稀疏性可以極大地提高信號處理的成本效益。
 
《稀疏建模理論、演算法及其應用》一書提供了對稀疏建模領域的介紹，包括應用實例、產生稀疏解的問題描述、用於尋找稀疏解的演算法以及稀疏復原領域中最近的理論成果。該書將帶讀者瞭解稀疏建模有關的最新進展，增加對該領域的理解，激發在該領域深入學習的興趣。
 
在本書中，作者首先提出引導性示例，並對稀疏建模領域的關鍵最新進展進行較高層次的探索。然後，該書描述了常用的強化稀疏的工具中涉及的優化問題，給出了本質性的理論結果，並討論了若干尋找稀疏解的最新演算法。作者接下來研究了稀疏復原問題，將基本形式擴展到更複雜的結構性稀疏問題與不同的損失函數。該過程也檢驗了一類特定的稀疏圖形模型，並涵蓋了字典學習與疏鬆陣列分解內容。
 
本書特色●介紹了稀疏建模與信號復原中的一些關鍵概念與主要結果；●涵蓋了稀疏建模的基本理論、最新的演算法與方法，以及實際應用；●描述了流行的強化稀疏方法，如l0與l1範數最小化；●研究了稀疏建模領域中若干快速發展的子領域，如稀疏高斯瑪律可夫隨機場、結構性稀疏、字典學習與疏鬆陣列分解。

作者簡介
（美）伊琳娜·里什，（美）賈納德里·亞·格拉巴爾尼克

IrinaRish：目前是IBMT. J. Watson研究中心的研究人員，她在俄羅斯的Moscow Gubkin Institute獲得應用數學碩士學位，並在加利福尼亞大學Irvine分校獲得電腦科學博士學位。主要研究領域包括概率推理、機器學習和資訊理論。Genady Grabarnik：現為美國聖約翰大學數學與電腦科學學院助理教授，在美國科學院獲得博士學位。