掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
機器學習基礎教程 版權信息
- ISBN：9787560655512
- 條形碼：9787560655512 ; 978-7-5606-5551-2
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
機器學習基礎教程 本書特色
本書介紹了機器學習的基本算法、歷史發(fā)展、應用前景及相關問題。內容包括：機器學習所涉及的必要的數(shù)學知識，機器學習的基本模式和任務，神經網絡的基本理論及算法結構，分類和聚類的基本學習算法，數(shù)據維度歸約的基本方法，圖理論及方法以及當前比較流行的機器學習理論和算法。在加深學生對經典機器學習方法理解的基礎上適當擴展其視野，以培養(yǎng)和提高解決實際問題的能力。
本書可作為高等學校人工智能相關專業(yè)的教材，也適合在該領域的工程技術人員自學參考使用。
機器學習基礎教程 內容簡介
本書介紹了機器學習的基本算法、歷史發(fā)展、應用前景及相關問題。內容包括：機器學習所涉及的必要的數(shù)學知識，機器學習的基本模式和任務，神經網絡的基本理論及算法結構，分類與聚類學習算法，數(shù)據維度歸約的基本方法，圖理論及方法以及當前比較流行的機器學習理論和算法。本書在加深學生對經典機器學習方法理解的基礎上適當擴展其視野，以培養(yǎng)和提高其解決實際問題的能力。 本書可作為高等學校人工智能相關專業(yè)的教材，也適合該領域的工程技術人員參考使用。
機器學習基礎教程 目錄
**章 緒論 1
1.1 機器學習發(fā)展簡史與概況 2
1.2 機器學習的研究與應用現(xiàn)狀 5
1.3 機器學習的相關問題 9
1.4 機器學習的發(fā)展前景 12
第二章 機器學習的數(shù)學基礎 14
2.1 線性代數(shù)與矩陣分析基礎 14
2.1.1 線性空間基礎 14
2.1.2 范數(shù) 16
2.1.3 矩陣運算及其分解 18
2.2 概率與統(tǒng)計基礎 21
2.2.1 概率分布 22
2.2.2 數(shù)字特征 31
2.2.3 估計理論基礎 35
2.2.4 貝葉斯理論基礎 39
2.3 優(yōu)化理論基礎 41
2.3.1 無約束*優(yōu)化 41
2.3.2 帶有約束條件的*優(yōu)化 42
復習思考題 43
第三章 機器學習基本知識 44
3.1 機器學習的建模問題 44
3.1.1 線性擬合(回歸)及建模問題 44
3.1.2 非線性擬合(回歸)及建模問題 50
3.2 機器學習模式概述 54
3.2.1 有監(jiān)督學習模式 55
3.2.2 無監(jiān)督學習模式 60
復習思考題 66
第四章 神經網絡學習算法 67
4.1 神經網絡概述 67
4.2 典型前饋型神經網絡 73
4.2.1 前饋型(BP)神經網絡基本運行模式 76
4.2.2 前饋型(BP)神經網絡的相關問題 80
4.3 典型反饋型神經網絡 83
4.3.1 反饋型神經網絡基本運行模式 83
4.3.2 反饋型神經網絡的相關問題 87
4.4 其他典型神經網絡 91
4.4.1 徑向基神經網絡 91
4.4.2 自組織競爭神經網絡 96
4.4.3 小腦模型神經網絡 102
4.4.4 卷積神經網絡 105
復習思考題 109
第五章 分類與聚類學習算法 110
5.1 分類學習算法 110
5.1.1 線性分類算法 111
5.1.2 非線性分類算法 120
5.1.3 核方法與支持向量機 128
5.2 聚類學習算法 134
5.2.1 K均值聚類算法 135
5.2.2 其他聚類算法 138
復習思考題 139
第六章 數(shù)據維度歸約方法 140
6.1 單類數(shù)據降維 140
6.1.1 主成分分析 140
6.1.2 因子分析 148
6.1.3 相關分析 157
6.2 非線性降維算法簡介 161
6.2.1 等距映射 162
6.2.2 拉普拉斯特征映射 163
6.2.3 局部線性嵌入 166
6.3 多類數(shù)據特征選擇與提取 167
復習思考題 170
第七章 圖方法 171
7.1 貝葉斯網絡 171
7.1.1 貝葉斯網絡理論 171
7.1.2 貝葉斯網絡推理 173
7.2 決策樹理論 176
7.2.1 定義與結構 176
7.2.2 特征選擇準則 177
7.2.3 “過擬合”問題 179
7.2.4 連續(xù)值處理 180
7.2.5 決策樹生成 180
7.2.6 算法實例 181
7.3 馬爾可夫網絡 189
復習思考題 191
第八章 其他典型機器學習方法概述 192
8.1 隱含馬爾可夫模型 192
8.2 蒙特卡洛方法 196
8.3 組合多學習器 201
8.4 近似推斷 206
8.5 增強學習方法 210
8.6 深度學習方法概述 214
8.7 深度學習方法應用舉例 221
復習思考題 229
參考文獻 230
展開全部
機器學習基礎教程 作者簡介
博士，副教授，碩士生導師。畢業(yè)于中國礦業(yè)大學（北京）。美國密歇根科技大學訪問學者。主講信號與系統(tǒng)，自動控制系統(tǒng)等本科生課程；以及智能優(yōu)化理論及算法，最佳估計與系統(tǒng)建模等研究生課程。多次獲得山西省中青年教師教學基本功競賽獎勵；并被評為山西省普通高校師德師風建設先進個人；獲山西省高等學校科技進步二等獎一項；山西省高等學校科技進步三等獎一項；山西省教學改革二等獎一項，“青年五四獎章”獲得者；在國內外期刊和會議上發(fā)表20余篇學術論文，其中EI收錄8篇。出版教材（國防工業(yè)出版社）及專著（機械工業(yè)出版社）三部，其中教材已多次再版。
書友推薦
- >
我與地壇
- >
姑媽的寶刀
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
小考拉的故事-套裝共3冊
- >
名家?guī)阕x魯迅:故事新編
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
