علم برای همه

یادگیری خمینه ای Manifold Learning گونه ای از یادگیری است که با روش های هندسی به دنبال استخراج خمینه بعد پایین نشاننده شده در فضای داده بعد بالا براساس قضیه نشاننده ویتنی، تحت شرایط و اصول مشخصی است، روش های نشاننده ظیفی، نظیر PCA، MDS و ایزومپ و روش های هسته از جمله روش های مطرح در این حوزه هستند. در عمل، به دنبال جامعه آماری با کفایت مناسب و خواص کافی برای بازتاب نمودن ویژگی های جامعه اصلی، و تجزیه و تحلیل خواص آن هستیم تا روش های محاسباتی مطرح را از صرفه محاسباتی برخوردار نماید. یادگیری خمینه ای نوعی هوش هندسی را دنبال می نماید که از روش ها و ابزارهای هندسی برای تجزیه و تحلیل مه داده ها بهره می برد. استفاده از تانسورها برای ذخیره سازی و فشرده سازی داده ها، بهره برداری از موجک ها برای فشرده سازی و کدگذاری بیشتر در شبکه های عصبی موجکی و نیز بهره برداری از ایزومتری و دیگر مفاهیم هندسی از مطالب مطرح در این زمینه هستند. تانسورها به لطف ابعاد بالا، قابلیت بازیابی داده های پرت، گمشده یا مشاهده نشده را دارا هستند. یادگیری خمینه اس زمینه ای پویا و رو به رشد در تجزیه و تحلیل مه داده و انواع یادگیری هوشمند است.