歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版)

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版)

出版社：機(jī)械工業(yè)出版社出版時(shí)間：2020-12-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 1152
中 圖 價(jià):¥218.3(7.3折) 定價(jià)  ¥299.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版) 版權(quán)信息

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版) 本書(shū)特色

全景式呈現(xiàn)機(jī)器學(xué)習(xí)方法和新研究趨勢(shì)，重寫(xiě)了關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的章節(jié)，擴(kuò)展了關(guān)于貝葉斯學(xué)習(xí)的內(nèi)容

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版) 內(nèi)容簡(jiǎn)介

本書(shū)通過(guò)講解監(jiān)督學(xué)習(xí)的兩大支柱——回歸和分類——將機(jī)器學(xué)習(xí)納入統(tǒng)一視角展開(kāi)討論。書(shū)中首先討論基礎(chǔ)知識(shí)，包括均方、*小二乘和*大似然方法、嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹(shù)。然后介紹新近的技術(shù)，包括稀疏建模方法，再生核希爾伯特空間中的學(xué)習(xí)、支持向量機(jī)中的學(xué)習(xí)、關(guān)注EM算法的貝葉斯推理及其近似推理變分版本、蒙特卡羅方法、聚焦于貝葉斯網(wǎng)絡(luò)的概率圖模型、隱馬爾科夫模型和粒子濾波。此外，本書(shū)還深入討論了降維和隱藏變量建模。全書(shū)以關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)架構(gòu)的擴(kuò)展章節(jié)結(jié)束。此外，書(shū)中還討論了統(tǒng)計(jì)參數(shù)估計(jì)、維納和卡爾曼濾波、凸性和凸優(yōu)化的基礎(chǔ)知識(shí)，其中，用一章介紹了隨機(jī)逼近和梯度下降族的算法，并提出了分布式優(yōu)化的相關(guān)概念、算法和在線學(xué)習(xí)技術(shù)。

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版) 目錄

Prefaceiv
Acknowledgmentsvi
About the Authorviii
Notationix
CHAPTER1 Introduction1
11 The Historical Context1
12 Artificia Intelligenceand Machine Learning2
13 Algorithms Can Learn WhatIs Hidden in the Data4
14 Typical Applications of Machine Learning6
Speech Recognition6
Computer Vision6
Multimodal Data6
Natural Language Processing7
Robotics7
Autonomous Cars7
Challenges for the Future8
15 Machine Learning: Major Directions8
151 Supervised Learning8
16 Unsupervised and Semisupervised Learning11
17 Structure and a Road Map of the Book12
References16
CHAPTER2 Probability and Stochastic Processes19
21 Introduction20
22 Probability and Random Variables20
221 Probability20
222 Discrete Random Variables22
223 Continuous Random Variables24
224 Meanand Variance25
225 Transformation of Random Variables28
23 Examples of Distributions29
231 Discrete Variables29
232 Continuous Variables32
24 Stochastic Processes41
241 First-and Second-Order Statistics42
242 Stationarity and Ergodicity43
243 Power Spectral Density46
244 Autoregressive Models51
25 Information Theory54
251 Discrete Random Variables56
252 Continuous Random Variables59
26 Stochastic Convergence61
Convergence Everywhere62
Convergence Almost Everywhere62
Convergence in the Mean-Square Sense62
Convergence in Probability63
Convergence in Distribution63
Problems63
References65
CHAPTER3 Learning in Parametric Modeling: Basic Concepts and Directions67
31 Introduction67
32 Parameter Estimation: the Deterministic Point of View68
33 Linear Regression71
34Classifcation75
Generative Versus Discriminative Learning78
35 Biased Versus Unbiased Estimation80
351 Biased or Unbiased Estimation?81
36 The Cram閞朢ao Lower Bound83
37 Suffcient Statistic87
38 Regularization89
Inverse Probl
展開(kāi)全部

經(jīng)典原版書(shū)庫(kù)機(jī)器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版 原書(shū)第2版) 作者簡(jiǎn)介

西格爾斯·西奧多里蒂斯（Sergios Theodoridis） 雅典大學(xué)教授，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信號(hào)處理雜志*佳論文獎(jiǎng)，以及2014年EURASIP*有價(jià)值服務(wù)獎(jiǎng)等。此外，他還是經(jīng)典著作《模式識(shí)別》的作者。

暫無(wú)評(píng)論……
書(shū)友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服