Machine learningMatrix Factorization
Singular Value Decomposition
Singular Value Decomposition (SVD) je fundamentálna technika faktorizácie matíc, ktorá rozkladá ľubovoľnú maticu A typu m × n na súčin A = U Σ V^T, kde U a V sú ortogonálne matice a Σ je diagonálna matica singulárnych hodnôt. SVD, vyvinuté Genom Golubom a inými v 60. – 70. rokoch 20. storočia, je najrobustnejšou metódou na analýzu štruktúry matíc a riešenie lineárnych systémov.
Prečítať celú metódu
Len pre členov
Prihlásiť saAk si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/sk/numerical-methods/singular-value-decomposition
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →