Aprendizado dos métodos matriciais mais relevantes em reconhecimento de padrões.
Sistemas Lineares. Mínimos Quadrados. Decomposições Matriciais. Aplicações: Classificação de Dígitos Manuscritos, Mineração de textos, Page Ranking, etc.
Teoria: • Sistemas Lineares • Mínimos Quadrados • Ortogonalidade • Decomposição QR • Decomposição em Valores Singulares • Modelos de Posto Reduzido • Decomposição Tensorial • Agregação e Fatoração de Matrizes Não Negativas • Aplicações: • Classificação de Dígitos Manuscritos • Mineração de textos • Page Ranking para mecanismos de busca web • Extração automática de palavras e sentenças chave • Reconhecimento de faces usando Tensor SVD
[1] Linear Algebra Tools For Data Mining by Dan A Simovici World Scientific Publishing Company (April 10, 2012) [2] Matrix Methods in Data Mining and Pattern Recognition by Lars Eldén Society for Industrial and Applied Mathematics (April 9, 2007) [3] Numerical Algorithms: Methods for Computer Vision, Machine Learning, and Graphics by Justin Solomon A K Peters/CRC Press; Har/Psc edition (July 13, 2015)
