注冊(cè) | 登錄讀書好，好讀書，讀好書！
讀書網(wǎng)-DuShu.com
當(dāng)前位置： 首頁(yè)出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）

機(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）

機(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）

定　價(jià)：￥279.00

作　者： [希] 西格爾斯·西奧多里蒂斯（Sergios Theodoridis） 著
出版社： 機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽： 暫缺
ISBN： 9787111692577 出版時(shí)間： 2022-03-01 包裝：
開(kāi)本： 頁(yè)數(shù)： 字?jǐn)?shù)：  

內(nèi)容簡(jiǎn)介

　　《機(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）》對(duì)所有重要的機(jī)器學(xué)習(xí)方法和新近研究趨勢(shì)進(jìn)行了深入探索，通過(guò)講解監(jiān)督學(xué)習(xí)的兩大支柱——回歸和分類，站在全景視角將這些繁雜的方法一一打通，形成了明晰的機(jī)器學(xué)習(xí)知識(shí)體系。新版對(duì)內(nèi)容做了全面更新，使各章內(nèi)容相對(duì)獨(dú)立。全書聚焦于數(shù)學(xué)理論背后的物理推理，關(guān)注貼近應(yīng)用層的方法和算法，并輔以大量實(shí)例和習(xí)題，適合該領(lǐng)域的科研人員和工程師閱讀，也適合學(xué)習(xí)模式識(shí)別、統(tǒng)計(jì)/自適應(yīng)信號(hào)處理、統(tǒng)計(jì)/貝葉斯學(xué)習(xí)、稀疏建模和深度學(xué)習(xí)等課程的學(xué)生參考。此外，《機(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）》的所有代碼均可免費(fèi)下載，包含MATLAB和Python兩個(gè)版本?！稒C(jī)器學(xué)習(xí)：貝葉斯和優(yōu)化方法（原書第2版）》重要更新及特色：重寫了關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的章節(jié)，以反映自第1版以來(lái)的研究進(jìn)展。這一章從感知器和前饋神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念開(kāi)始討論，對(duì)深度網(wǎng)絡(luò)進(jìn)行了深入研究，涵蓋較新的優(yōu)化算法、批標(biāo)準(zhǔn)化、正則化技術(shù)（如Dropout方法）、CNN和RNN、注意力機(jī)制、對(duì)抗樣本和對(duì)抗訓(xùn)練、膠囊網(wǎng)絡(luò)、生成架構(gòu)（如RBM）、變分自編碼器和GAN。擴(kuò)展了關(guān)于貝葉斯學(xué)習(xí)的內(nèi)容，包括非參數(shù)貝葉斯方法，重點(diǎn)討論中國(guó)餐館過(guò)程（CRP）和印度自助餐過(guò)程（IBP）。追蹤新的研究趨勢(shì)，包括稀疏、凸分析與凸優(yōu)化、在線分布式算法、RKH空間學(xué)習(xí)、貝葉斯推斷、圖模型與隱馬爾可夫模型、粒子濾波、深度學(xué)習(xí)、字典學(xué)習(xí)和潛變量建模等。提供實(shí)用案例分析，包括蛋白質(zhì)折疊預(yù)測(cè)、光學(xué)字符識(shí)別、文本作者身份識(shí)別、fMRI數(shù)據(jù)分析、變點(diǎn)檢測(cè)、高光譜圖像分離、目標(biāo)定位等。

作者簡(jiǎn)介

　　西格爾斯·西奧多里蒂斯（Sergios Theodoridis），雅典大學(xué)榮休教授，曾任香港中文大學(xué)（深圳）教授，研究興趣包括機(jī)器學(xué)習(xí)、模式識(shí)別和信號(hào)處理等。他是IEEE Fellow、IET Fellow、EURASIP Fellow，曾任IEEE信號(hào)處理協(xié)會(huì)副主席、EURASIP主席以及IEEE Transactions on Signal Processing主編。曾獲2017年EURASIP Athanasios Papoulis獎(jiǎng)，2014年IEEE Signal Processing Magazihe論文獎(jiǎng)，以及2014年EURASIP價(jià)值服務(wù)獎(jiǎng)等。此外，他還是經(jīng)典著作《模式識(shí)別》的首作者。王剛，南開(kāi)大學(xué)計(jì)算機(jī)學(xué)院和網(wǎng)絡(luò)空間安全學(xué)院教授、博士生導(dǎo)師。研究興趣包括海量信息存儲(chǔ)、并行與分布式計(jì)算、搜索引擎等，在分布式存儲(chǔ)系統(tǒng)可靠性技術(shù)、云存儲(chǔ)用戶數(shù)據(jù)隱私保護(hù)、搜索引擎性能優(yōu)化等方向取得一系列重要成果。李忠偉，南開(kāi)大學(xué)計(jì)算機(jī)學(xué)院和網(wǎng)絡(luò)空間安全學(xué)院副教授、碩士生導(dǎo)師。研究興趣包括分布式存儲(chǔ)、數(shù)據(jù)治理、人工智能倫理等，在分布式存儲(chǔ)系統(tǒng)可靠性技術(shù)、軟件工程等方向取得一系列研究成果。任明明，南開(kāi)大學(xué)計(jì)算機(jī)學(xué)院和網(wǎng)絡(luò)空間安全學(xué)院副教授。研究興趣包括并行計(jì)算及應(yīng)用、搜索引擎、應(yīng)用與計(jì)算數(shù)學(xué)等，在生物信息學(xué)中的系統(tǒng)發(fā)育計(jì)算、搜索引擎中的GPU優(yōu)化、偏微分方程數(shù)值求解等方向取得一系列研究成果。

圖書目錄

譯者序
前言
致謝
作者簡(jiǎn)介
符號(hào)說(shuō)明
第1章 引言
1．1 歷史背景
1．2 人工智能與機(jī)器學(xué)習(xí)
1．3 算法能學(xué)習(xí)數(shù)據(jù)中隱藏的東西
1．4 機(jī)器學(xué)習(xí)典型應(yīng)用
1．4．1 語(yǔ)音識(shí)別
1．4．2 計(jì)算機(jī)視覺(jué)
1．4．3 多模態(tài)數(shù)據(jù)
1．4．4 自然語(yǔ)言處理
1．4．5 機(jī)器人
1．4．6 自動(dòng)駕駛
1．4．7 未來(lái)的挑戰(zhàn)
1．5 機(jī)器學(xué)習(xí)的主要方向
1．5．1 監(jiān)督學(xué)習(xí)
1．6 無(wú)監(jiān)督和半監(jiān)督學(xué)習(xí)
1．7 本書結(jié)構(gòu)和路線圖
參考文獻(xiàn)
第2章 概率和隨機(jī)過(guò)程
2．1 引言
2．2 概率和隨機(jī)變量
2．2．1 概率
2．2．2 離散隨機(jī)變量
2．2．3 連續(xù)隨機(jī)變量
2．2．4 均值和方差
2．2．5 隨機(jī)變量變換
2．3 分布示例
2．3．1 離散變量
2．3．2 連續(xù)變量
2．4 隨機(jī)過(guò)程
2．4．1 一階和二階統(tǒng)計(jì)量
2．4．2 平穩(wěn)性和遍歷性
2．4．3 功率譜密度
2．4．4 自回歸模型
2．5 信息論
2．5．1 離散隨機(jī)變量
2．5．2 連續(xù)隨機(jī)變量
2．6 隨機(jī)收斂
2．6．1 處處收斂
2．6．2 幾乎處處收斂
2．6．3 均方意義下的收斂
2．6．4 依概率收斂
2．6．5 依分布收斂
習(xí)題
參考文獻(xiàn)
第3章 參數(shù)化建模學(xué)習(xí)：概念和方向
3．1 引言
3．2 參數(shù)估計(jì)：確定性觀點(diǎn)
3．3 線性回歸
3．4 分類
3．4．1 生成和判別學(xué)習(xí)
3．5 有偏估計(jì)與無(wú)偏估計(jì)
3．5．1 選擇有偏還是無(wú)偏估計(jì)
3．6 克拉美一羅下界
3．7 充分統(tǒng)計(jì)量
3．8 正則化
3．8．1 逆問(wèn)題：病態(tài)和過(guò)擬合
3．9 偏差一方差困境
3．9．1 均方誤差估計(jì)
3．9．2 偏差一方差權(quán)衡
3．10 最大似然法
3．10．1 線性回歸：非白高斯噪聲實(shí)例
3．11 貝葉斯推斷
3．11．1 最大后驗(yàn)概率估計(jì)方法
3．12 維數(shù)災(zāi)難
3．13 驗(yàn)證
3．13．1 交叉驗(yàn)證
3．14 期望損失函數(shù)和經(jīng)驗(yàn)風(fēng)險(xiǎn)函數(shù)
3．14．1 可學(xué)習(xí)性
3．15 非參數(shù)建模和非參數(shù)估計(jì)
習(xí)題
參考文獻(xiàn)
第4章 均方誤差線性估計(jì)
4．1 引言
4．2 均方誤差線性估計(jì)：正規(guī)方程
4．2．1 代價(jià)函數(shù)曲面
4．3 幾何觀點(diǎn)：正交性條件
4．4 擴(kuò)展到復(fù)值變量
4．4．1 寬線性復(fù)值估計(jì)
4．4．2 復(fù)值變量?jī)?yōu)化：沃廷格微積分
4．5 線性濾波
4．6 均方誤差線性濾波：頻率域觀點(diǎn)
4．6．1 反卷積：圖像去模糊
4．7 一些典型應(yīng)用
4．7．1 干擾抵消
4．7．2 系統(tǒng)辨識(shí)
4．7．3 反卷積：信道均衡
4．8 算法方面：萊文森算法和格一梯算法
4．8．1 前向后向均方誤差最優(yōu)預(yù)測(cè)
4．8．2 格一梯方案
4．9 線性模型均方誤差估計(jì)
4．9．1 高斯一馬爾可夫定理
4．9．2 約束線性估計(jì)：波束成形實(shí)例
4．10 時(shí)變統(tǒng)計(jì)：卡爾曼濾波
習(xí)題
參考文獻(xiàn)
……
第5章 隨機(jī)梯度下降：LMS算法族
第6章 最小二乘算法族
第7章 分類：經(jīng)典方法導(dǎo)覽
第8章 參數(shù)學(xué)習(xí)：凸分析方法
第9章 稀疏感知學(xué)習(xí)：概念和理論基礎(chǔ)
第10章 稀疏感知學(xué)習(xí)：算法和應(yīng)用
第11章 再生核希爾伯特空間中的學(xué)習(xí)
第12章 貝葉斯學(xué)習(xí)：推斷和EM算法
第13章 貝葉斯學(xué)習(xí)：近似推斷和非參模型
第14章 蒙特卡羅方法
第15章 概率圖模型：第一部分
第16章 概率圖模型：第二部分
第17章 粒子濾波
第18章 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)
第19章 降維與潛變量模型
索引
在線章節(jié)李忠偉

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.talentonion.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)