Machine learningMatrix Factorization
Singularna dekompozicija
Singularna dekompozicija (SVD) fundamentalna je tehnika faktorizacije matrica koja bilo koju m × n matricu A razlaže na umnožak A = U Σ V^T, gdje su U i V ortogonalne matrice, a Σ dijagonalna matrica singularnih vrijednosti. Razvijen od strane Genea Goluba i drugih 1960-ih–1970-ih, SVD je najrobustnija metoda za analizu strukture matrica i rješavanje linearnih sustava.
Pročitajte cijelu metodu
Samo za članove
Prijavite sePrijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Golub, G. H., & Kahan, W. (1970). Calculating the singular values and pseudo-inverse of a matrix. Journal of the SIAM Series B: Numerical Analysis, 2(2), 205–224. DOI: 10.1137/0702016 ↗
- Golub, G. H., & Van Loan, C. F. (1983). Matrix computations (2nd ed.). Johns Hopkins University Press. ISBN: 0801854148
- Trefethen, L. N., & Bau, D. (1997). Numerical Linear Algebra. SIAM. DOI: 10.1137/1.9780898719574 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/hr/numerical-methods/singular-value-decomposition
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →