Regularisierung

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Unter Regularisierung versteht man verschiedene Techniken zur Behandlung von „Singularitäten“ bzw. schlecht konditionierten Problemen:

  • Bei der Tichonow-Regularisierung wird eine positiv semi-definite Matrix für beliebig kleinen Regularisierungsfaktor durch die positiv definite (und damit invertierbare) Matrix approximiert. In der Statistik heißt diese Methode auch Ridge-Regression.
  • Mittels Ränderung werden schlecht konditionierte Matrizen regularisiert, indem man zusätzliche Zeilen und Spalten hinzufügt.
  • In der geometrischen Modellierung wird durch Regularisierung eine nichtreguläre Menge in eine reguläre Menge umgewandelt
  • In der Theorie der degenerierten partiellen Differentialgleichungen bezeichnet Regularisierung ein Verfahren, bei dem man eine degenerierte Differentialgleichung durch eine nicht-degenerierte (d. h. regularisierte) Differentialgleichung approximiert.
  • In einem inversen Problem wird durch die Regularisierung das unterbestimmte System derart korrigiert, dass die Inverse bestimmt werden kann.
  • In der Physik ist Regularisierung eine formale Methode im Rahmen der Renormierung einer Quantenfeldtheorie zur Behandlung von auftretenden Unendlichkeiten.
  • Im maschinellen Lernen bezeichnet Regularisierung eine Gruppe von Methoden um Überanpassung zu vermeiden.

Zugleich ist Regularisierung ein Begriff aus dem Ausländerrecht [siehe Regularisierung (Ausländer)]. Er bezeichnet den Vorgang der Schaffung eines Aufenthaltstitels für Ausländer, die sich bislang irregulär (bzw. illegal) in einem Land aufhalten.

Dies ist eine Begriffsklärungsseite zur Unterscheidung mehrerer mit demselben Wort bezeichneter Begriffe.