Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Computational Optimal Transport: With Applications to Data Science
Az optimális szállítás (OT) célja olyan geometriai eszközök meghatározása, amelyek hasznosak a valószínűségi eloszlások összehasonlításához. Használatuk 1781-re nyúlik vissza.
Az utóbbi években az OT elterjedésében újabb forradalom következett be, köszönhetően a közelítő megoldók megjelenésének, amelyek képesek az adattudományok szempontjából releváns méretekre és dimenziókra skálázódni. Ennek az újonnan felfedezett skálázhatóságnak köszönhetően az OT-t egyre gyakrabban használják a képalkotástudományok (például szín- vagy textúrafeldolgozás), a számítógépes látás és grafika (az alakzatok manipulálására) vagy a gépi tanulás (regresszió, osztályozás és sűrűségillesztés) különböző problémáinak megoldására. Ez a monográfia a numerikus módszereket és azok adattudományokban való alkalmazásait szem előtt tartva tekinti át az OT-t, és rávilágít az OT azon elméleti tulajdonságaira, amelyek különösen hasznossá teszik azt néhány ilyen alkalmazáshoz.
A Számítási optimális szállítás áttekintést nyújt az OT gyakorlati hatékonyságát alátámasztó főbb elméleti felismerésekről, majd elmagyarázza, hogyan lehet ezeket a felismeréseket gyors számítási sémákká alakítani. A minden szintű olvasó számára íródott, a szerzők két szinten adnak leírást az alapozó elméletről. Általánosságban minden olvasó számára hozzáférhető, a haladóbb olvasók a diszkrét mértékekre szabott optimális szállítás speciálisan azonosított általánosabb matematikai kifejtéseit olvashatják. Továbbá több fejezet foglalkozik a folytonos és diszkrét mértékek közötti kölcsönhatással, és így a matematikai beállítottságú közönséget célozza meg.
Ez a monográfia értékes referencia lesz azon kutatók és hallgatók számára, akik alapos ismereteket szeretnének szerezni a számítási optimális szállításról, a valószínűségszámítás, az analízis és az optimalizálás határterületén elhelyezkedő matematikai gyöngyszemről.