Academic literature on the topic 'Dimensionality'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Dimensionality.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Dimensionality"
Nandakumar, Ratna. "Traditional Dimensionality Versus Essential Dimensionality." Journal of Educational Measurement 28, no. 2 (June 1991): 99–117. http://dx.doi.org/10.1111/j.1745-3984.1991.tb00347.x.
Full textWarfield, J. N., and A. N. Christakis. "Dimensionality." Systems Research 4, no. 2 (June 1987): 127–37. http://dx.doi.org/10.1002/sres.3850040207.
Full textLi, Hongda, Jian Cui, Xinle Zhang, Yongqi Han, and Liying Cao. "Dimensionality Reduction and Classification of Hyperspectral Remote Sensing Image Feature Extraction." Remote Sensing 14, no. 18 (September 13, 2022): 4579. http://dx.doi.org/10.3390/rs14184579.
Full textSchwartz, M. A., and C. S. Chen. "Deconstructing Dimensionality." Science 339, no. 6118 (January 24, 2013): 402–4. http://dx.doi.org/10.1126/science.1233814.
Full textVerberck, Bart. "Dimensionality matters." Nature Physics 12, no. 4 (April 2016): 287. http://dx.doi.org/10.1038/nphys3726.
Full textWojcieszak, Magdalena E. "Three Dimensionality." Television & New Media 10, no. 6 (September 2009): 459–81. http://dx.doi.org/10.1177/1527476409343798.
Full textSharma, Sunil. "The Dimensionality." Volume 5 - 2020, Issue 9 - September 5, no. 9 (September 17, 2020): 166–69. http://dx.doi.org/10.38124/ijisrt20sep168.
Full textPestov, Vladimir. "Intrinsic dimensionality." SIGSPATIAL Special 2, no. 2 (July 2010): 8–11. http://dx.doi.org/10.1145/1862413.1862416.
Full textGoren, Paul. "Dimensionality Redux." Political Research Quarterly 61, no. 1 (March 2008): 162–64. http://dx.doi.org/10.1177/1065912907308653.
Full textShelah, Saharon. "Multi-dimensionality." Israel Journal of Mathematics 74, no. 2-3 (October 1991): 281–88. http://dx.doi.org/10.1007/bf02775792.
Full textDissertations / Theses on the topic "Dimensionality"
Ariu, Kaito. "Online Dimensionality Reduction." Licentiate thesis, KTH, Reglerteknik, 2021. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-290791.
Full textDenna avhandling studerar algoritmer för datareduktion som lär sig från sekventiellt inhämtad data. Vi fokuserar speciellt på frågeställningar som uppkommer i utvecklingen av rekommendationssystem och i identifieringen av heterogena grupper av användare från data. För rekommendationssystem betraktar vi ett system med m användare och n objekt. I varje runda observerar algoritmen en slumpmässigt vald användare och rekommenderar ett objekt. En viktig begränsning i vår problemformuleringar att rekommendationer inte får upprepas: samma objekt inte kan rekommenderas till samma användartermer än en gång. Vi betraktar problemet som en variant av det flerarmadebanditproblemet och analyserar systemprestanda i termer av "ånger” under olika antaganden.Vi härleder fundamentala gränser för ånger och föreslår algoritmer som är (ordningsmässigt) optimala. En intressant komponent av vår analys är att vi lyckas att karaktärisera hur vart och ett av våra antaganden påverkar systemprestandan. T.ex. kan vi kvantifiera prestandaförlusten i ånger på grund av att rekommendationer inte får upprepas, på grund avatt vi måste lära oss statistiken för vilka objekt en användare är intresserade av, och för kostnaden för att lära sig den lågdimensionella rymden för användare och objekt. För problemet med hur man bäst identifierar grupper av användare härleder vi fundamentala gränser för hur snabbt det går att identifiera kluster. Vi gör detta för algoritmer som har samtidig tillgång till all data och för algoritmer som måste lära sig genom sekventiell inhämtning av data. Med tillgång till all data kan vår algoritm uppnå den optimala prestandan ordningsmässigt. När data måste inhämtas sekventiellt föreslår vi en algoritm som är inspirerad av den nedre gränsen på vad som kan uppnås. För båda problemen utvärderar vi de föreslagna algoritmerna numeriskt och jämför den praktiska prestandan med de teoretiska garantierna.
QC 20210223
LEGRAMANTI, SIRIO. "Bayesian dimensionality reduction." Doctoral thesis, Università Bocconi, 2021. http://hdl.handle.net/11565/4035711.
Full textWe are currently witnessing an explosion in the amount of available data. Such growth involves not only the number of data points but also their dimensionality. This poses new challenges to statistical modeling and computations, thus making dimensionality reduction more central than ever. In the present thesis, we provide methodological, computational and theoretical advancements in Bayesian dimensionality reduction via novel structured priors. Namely, we develop a new increasing shrinkage prior and illustrate how it can be employed to discard redundant dimensions in Gaussian factor models. In order to make it usable for larger datasets, we also investigate variational methods for posterior inference under this proposed prior. Beyond traditional models and parameter spaces, we also provide a different take on dimensionality reduction, focusing on community detection in networks. For this purpose, we define a general class of Bayesian nonparametric priors that encompasses existing stochastic block models as special cases and includes promising unexplored options. Our Bayesian approach allows for a natural incorporation of node attributes and facilitates uncertainty quantification as well as model selection.
Kelly, Wallace Eugene. "Dimensionality in fuzzy systems." [S.l.] : Universität Stuttgart , Fakultätsübergreifend / Sonstige Einrichtung, 1997. http://www.bsz-bw.de/cgi-bin/xvms.cgi?SWB6783685.
Full textBolelli, Maria Virginia. "Diffusion Maps for Dimensionality Reduction." Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/18246/.
Full textKhosla, Nitin, and n/a. "Dimensionality Reduction Using Factor Analysis." Griffith University. School of Engineering, 2006. http://www4.gu.edu.au:8080/adt-root/public/adt-QGU20061010.151217.
Full textBarlow, Thomas W. "Reduced dimensionality in molecular representation." Thesis, University of Oxford, 1996. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.320639.
Full textAhrens, Johan. "Non-contextual inequalities and dimensionality." Doctoral thesis, Stockholms universitet, Fysikum, 2015. http://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-116832.
Full textDenna doktorsavhandling är baserad på fem experiment jag har utfört undermin tid som doktorand. Tre experiment är realiseringar av icke-kontextuella olikheter och de två övriga är realiseringar av vittnesfunktioner för klassiska och kvantmekaniska dimensioner hos en uppsättning tillstånd. Ett dimensionsvittne är en funktion som tar en uppsättning tillstånd och producerar ett värde. Detta värde har olika övre gränser beroende på dimensionen hos uppsättningen tillstånd och beror även på om tillstånden är klassiska eller kvantmekaniska. På grund av detta kan ett dimensionsvittne endast ge en undre uppskattning på dimensionen hos en uppsättning tillstånd.Det första dimensionsvittnet är baserat på CHSH-olikheten och kan urskiljamellan klassiska och kvantmekaniska tillstånd av två och tre dimensioner, det kan även avgöra ifall uppsättningen av tillstånd har dimension fyra eller högre. Det andra dimensionsvittnet är baserat på en sannolikhetsteoretisk representation av möjliga kombinationer av tillstånd och mätningar. Detta vittne växer med antalet dimensioner som skall kunna urskiljas, å andra sidan finns det en formel för hur man kan expandera vittnet till godtycklig dimension.Icke-kontextuella gömda-variabel-teorier är en familj av gömda-variabel-teorier som innefattar lokala gömda-variabel-teorier, så i en bemärkelse är icke-kontextuella olikheter en generalisering av Bell-olikheter. Experimenteni denna avhandling använder sig alla av en-partikel-kvantsystem. Det första experimentet är en brytning av KCBS-olikheten, det är den en-klaste olikheten baserad på korrelationer som kan brytas av kvantmekanik. Det andra experimentet är en brytning av Wright-olikheten som är den enklaste olikheten som kan brytas av kvantmekanik, den innehåller endast projektorer inga korrelationer. Det sista experimentet i avhandlingen är en realisering av en Hardy-lik olikhet för icke-kontextualitet. Detta betyder att operatorerna i KCBS-olikheten har roterats så att en term i summan är identiskt noll för alla icke-kontextuella gömda-variabel-teorier och vi får en motsägelse då kvantmekaniken ger ettnoll-skiljt värde för alla termer.
Hyde, Susan Margaret. "Understanding dimensionality in health care." Thesis, Manchester Metropolitan University, 2014. http://e-space.mmu.ac.uk/326230/.
Full textVamulapalli, Harika Rao. "On Dimensionality Reduction of Data." ScholarWorks@UNO, 2010. http://scholarworks.uno.edu/td/1211.
Full textWidemann, David P. "Dimensionality reduction for hyperspectral data." College Park, Md.: University of Maryland, 2008. http://hdl.handle.net/1903/8448.
Full textThesis research directed by: Dept. of Mathematics. Title from t.p. of PDF. Includes bibliographical references. Published by UMI Dissertation Services, Ann Arbor, Mich. Also available in paper.
Books on the topic "Dimensionality"
Lee, John A., and Michel Verleysen, eds. Nonlinear Dimensionality Reduction. New York, NY: Springer New York, 2007. http://dx.doi.org/10.1007/978-0-387-39351-3.
Full textLespinats, Sylvain, Benoit Colange, and Denys Dutykh. Nonlinear Dimensionality Reduction Techniques. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-81026-9.
Full textGarzon, Max, Ching-Chi Yang, Deepak Venugopal, Nirman Kumar, Kalidas Jana, and Lih-Yuan Deng, eds. Dimensionality Reduction in Data Science. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-05371-9.
Full textBeeby, J. L., P. K. Bhattacharya, P. Ch Gravelle, F. Koch, and D. J. Lockwood, eds. Condensed Systems of Low Dimensionality. Boston, MA: Springer US, 1991. http://dx.doi.org/10.1007/978-1-4684-1348-9.
Full textNATO, Advanced Research Workshop on Condensed Systems of Low Dimensionality (1990 Marmaris Turkey). Condensed systems of low dimensionality. New York: Plenum Press, 1991.
Find full textBeeby, J. L. Condensed Systems of Low Dimensionality. Boston, MA: Springer US, 1991.
Find full textPaul, Arati, and Nabendu Chaki. Dimensionality Reduction of Hyperspectral Imagery. Cham: Springer International Publishing, 2024. http://dx.doi.org/10.1007/978-3-031-42667-4.
Full textStrange, Harry, and Reyer Zwiggelaar. Open Problems in Spectral Dimensionality Reduction. Cham: Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-03943-5.
Full textHe, Tian-Xiao. Dimensionality Reducing Expansion of Multivariate Integration. Boston, MA: Birkhäuser Boston, 2001. http://dx.doi.org/10.1007/978-1-4612-2100-5.
Full textKramer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-38652-7.
Full textBook chapters on the topic "Dimensionality"
Horton, Mike, Ida Marais, and Karl Bang Christensen. "Dimensionality." In Rasch Models in Health, 137–58. Hoboken, NJ USA: John Wiley & Sons, Inc., 2013. http://dx.doi.org/10.1002/9781118574454.ch9.
Full textBhatia, Rajendra. "Dimensionality." In Texts and Readings in Mathematics, 11–18. Gurgaon: Hindustan Book Agency, 2009. http://dx.doi.org/10.1007/978-93-86279-45-3_2.
Full textHodder, Rupert. "Dimensionality." In High-level Political Appointments in the Philippines, 29–47. Singapore: Springer Singapore, 2013. http://dx.doi.org/10.1007/978-981-4560-05-4_4.
Full textPlowright, Philip D. "Dimensionality." In Making Architecture Through Being Human, 76–81. Abingdon, Oxon ; New York, NY : Routledge, 2020.: Routledge, 2019. http://dx.doi.org/10.4324/9780429261718-23.
Full textSharp, John. "Dimensionality." In The Routledge Companion to Video Game Studies, 162–69. 2nd ed. New York: Routledge, 2023. http://dx.doi.org/10.4324/9781003214977-24.
Full textJørgensen, Sveinung, and Lars Jacob Tynes Pedersen. "Three-Dimensionality Rather than One-Dimensionality." In RESTART Sustainable Business Model Innovation, 153–68. Cham: Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-319-91971-3_11.
Full textHerrera, Francisco, Francisco Charte, Antonio J. Rivera, and María J. del Jesus. "Dimensionality Reduction." In Multilabel Classification, 115–31. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-41111-8_7.
Full textKramer, Oliver. "Dimensionality Reduction." In Dimensionality Reduction with Unsupervised Nearest Neighbors, 33–52. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-38652-7_4.
Full textHull, Isaiah. "Dimensionality Reduction." In Machine Learning for Economics and Finance in TensorFlow 2, 281–306. Berkeley, CA: Apress, 2020. http://dx.doi.org/10.1007/978-1-4842-6373-0_8.
Full textShen, Heng Tao. "Dimensionality Reduction." In Encyclopedia of Database Systems, 1–2. New York, NY: Springer New York, 2017. http://dx.doi.org/10.1007/978-1-4899-7993-3_551-2.
Full textConference papers on the topic "Dimensionality"
Kapralos, Bill, Nathan Mekuz, Agnieszka Kopinska, and Saad Khattak. "Dimensionality reduced HRTFs." In the 2008 International Conference in Advances. New York, New York, USA: ACM Press, 2008. http://dx.doi.org/10.1145/1501750.1501763.
Full textBunte, Kerstin, Michael Biehl, and Barbara Hammer. "Dimensionality reduction mappings." In 2011 Ieee Symposium On Computational Intelligence And Data Mining - Part Of 17273 - 2011 Ssci. IEEE, 2011. http://dx.doi.org/10.1109/cidm.2011.5949443.
Full textHU, Min, and Qunsheng PENG. "Volume fractal dimensionality." In the 2005 ACM symposium. New York, New York, USA: ACM Press, 2005. http://dx.doi.org/10.1145/1066677.1066718.
Full textKarantzalos, Konstantinos. "Intrinsic dimensionality estimation and dimensionality reduction through scale space filtering." In 2009 16th International Conference on Digital Signal Processing (DSP). IEEE, 2009. http://dx.doi.org/10.1109/icdsp.2009.5201196.
Full textHendrikse, Anne, Raymond Veldhuis, and Luuk Spreeuwers. "Verification Under Increasing Dimensionality." In 2010 20th International Conference on Pattern Recognition (ICPR). IEEE, 2010. http://dx.doi.org/10.1109/icpr.2010.149.
Full textSchclar, Alon, and Amir Averbuch. "Diffusion Bases Dimensionality Reduction." In 7th International Conference on Neural Computation Theory and Applications. SCITEPRESS - Science and and Technology Publications, 2015. http://dx.doi.org/10.5220/0005625301510156.
Full textWU, ZHONG CHAO. "DIMENSIONALITY IN QUANTUM COSMOLOGY." In Proceedings of the MG10 Meeting held at Brazilian Center for Research in Physics (CBPF). World Scientific Publishing Company, 2006. http://dx.doi.org/10.1142/9789812704030_0135.
Full textBingham, Ella, Aristides Gionis, Niina Haiminen, Heli Hiisilä, Heikki Mannila, and Evimaria Terzi. "Segmentation and dimensionality reduction." In Proceedings of the 2006 SIAM International Conference on Data Mining. Philadelphia, PA: Society for Industrial and Applied Mathematics, 2006. http://dx.doi.org/10.1137/1.9781611972764.33.
Full textZhang, Daoqiang, Zhi-Hua Zhou, and Songcan Chen. "Semi-Supervised Dimensionality Reduction." In Proceedings of the 2007 SIAM International Conference on Data Mining. Philadelphia, PA: Society for Industrial and Applied Mathematics, 2007. http://dx.doi.org/10.1137/1.9781611972771.73.
Full textAmsaleg, Laurent, Oussama Chelly, Teddy Furon, Stéphane Girard, Michael E. Houle, Ken-ichi Kawarabayashi, and Michael Nett. "Estimating Local Intrinsic Dimensionality." In KDD '15: The 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York, NY, USA: ACM, 2015. http://dx.doi.org/10.1145/2783258.2783405.
Full textReports on the topic "Dimensionality"
Jain, Anil K. Classification, Clustering and Dimensionality Reduction. Fort Belvoir, VA: Defense Technical Information Center, July 2008. http://dx.doi.org/10.21236/ada483446.
Full textEichenfield, Matt. Reduced Dimensionality Lithium Niobate Microsystems. Office of Scientific and Technical Information (OSTI), January 2017. http://dx.doi.org/10.2172/1338889.
Full textTopping, Craig V. Molecular Magnets and Reduced Dimensionality. Office of Scientific and Technical Information (OSTI), December 2012. http://dx.doi.org/10.2172/1058056.
Full textWolf, Lior, and Stanley Bileschi. Combining Variable Selection with Dimensionality Reduction. Fort Belvoir, VA: Defense Technical Information Center, March 2005. http://dx.doi.org/10.21236/ada454990.
Full textNandakumar, Ratna. Assessing Essential Dimensionality of Real Data. Fort Belvoir, VA: Defense Technical Information Center, August 1992. http://dx.doi.org/10.21236/ada255774.
Full textJones, Michael J. Using Recurrent Networks for Dimensionality Reduction. Fort Belvoir, VA: Defense Technical Information Center, September 1992. http://dx.doi.org/10.21236/ada259497.
Full textBolton, S. R. Dimensionality of InGaAs nonlinear optical response. Office of Scientific and Technical Information (OSTI), July 1995. http://dx.doi.org/10.2172/270789.
Full textUlloa, S. E. Electronic states in systems of reduced dimensionality. Office of Scientific and Technical Information (OSTI), April 1992. http://dx.doi.org/10.2172/5296020.
Full textWebb, Geoffrey, and Mark Carman. Dynamic Dimensionality Selection for Bayesian Classifier Ensembles. Fort Belvoir, VA: Defense Technical Information Center, March 2015. http://dx.doi.org/10.21236/ada614917.
Full textPowell, Thomas E., J. W. Cunningham, William E. Wimpee, Mark A. Wilson, and Rodger D. Ballentine. Dimensionality of Ability-Requirements for Generic Job Activities. Fort Belvoir, VA: Defense Technical Information Center, July 1999. http://dx.doi.org/10.21236/ada368192.
Full text