Författare

Roman Vershynin

2 verk2 språk

Roman Vershynin är en uppskattad författare inom Samhälle och politik med totalt 2 böcker tillgängliga på Bokkollen, utgivna hos Cambridge University Press.

Bland verken finns High-Dimensional Probability, som toppar listan över Roman Vershynins populäraste böcker. Verken spänner över samhälle & politik och tilltalar läsare som uppskattar genren.

Letar du efter något nytt att läsa? Prova High-Dimensional Probability – ett annat uppskattat verk av Roman Vershynin.

På Bokkollen gör vi det enkelt att navigera i Roman Vershynins författarskap. Vår databas uppdateras ständigt med nya släpp och format, så oavsett om du söker efter en lättläst pocket för semestern, en lyxig inbunden presentutgåva eller en digital ljudbok för pendlingen, har vi rätt utgåva för dig.

Jämför snabbt och smidigt priser på alla böcker av Roman Vershynin hos Sveriges ledande bokhandlare – som Adlibris, Bokus och Akademibokhandeln – och hitta alltid det bästa erbjudandet utan att betala för mycket.

High-Dimensional Probability
Mest populär

High-Dimensional Probability

High-dimensional probability offers insight into the behavior of random vectors, random matrices, random subspaces, and objects used to quantify uncertainty in high dimensions. Drawing on ideas from probability, analysis, and geometry, it lends itself to applications in mathematics, statistics, theoretical computer science, signal processing, optimization, and more. It is the first to integrate theory, key tools, and modern applications of high-dimensional probability. Concentration inequalities form the core, and it covers both classical results such as Hoeffding's and Chernoff's inequalities and modern developments such as the matrix Bernstein's inequality. It then introduces the powerful methods based on stochastic processes, including such tools as Slepian's, Sudakov's, and Dudley's inequalities, as well as generic chaining and bounds based on VC dimension. A broad range of illustrations is embedded throughout, including classical and modern results for covariance estimation, clustering, networks, semidefinite programming, coding, dimension reduction, matrix completion, machine learning, compressed sensing, and sparse regression.