返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]模式识别与机器学习孙仕亮9787302558927
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 孙仕亮著 | 孙仕亮编 | 孙仕亮译 | 孙仕亮绘
    • 出版社: 清华大学出版社
    • 出版时间:2020-10-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 孙仕亮著| 孙仕亮编| 孙仕亮译| 孙仕亮绘
    • 出版社:清华大学出版社
    • 出版时间:2020-10-01
    • 版次:1
    • 印次:1
    • 印刷时间:2020-10-01
    • 字数:285000
    • 页数:688
    • 开本:32开
    • ISBN:9787302558927
    • 版权提供:清华大学出版社
    • 作者:孙仕亮
    • 著:孙仕亮
    • 装帧:平装
    • 印次:1
    • 定价:69.5
    • ISBN:9787302558927
    • 出版社:清华大学出版社
    • 开本:32开
    • 印刷时间:2020-10-01
    • 语种:中文
    • 出版时间:2020-10-01
    • 页数:688
    • 外部编号:党庄B162447
    • 版次:1
    • 成品尺寸:暂无

    章引言1

    1.1基本概念1

    1.1.1投票选举2

    1.1.2三个小皮匠胜过诸葛亮3

    1.1.3主动学习4

    1.2典型的机器学习系统5

    1.2.1医学图像诊断5

    1.2.2时间序列识别6

    1.2.3对话系统7

    1.2.4异常检测8

    1.3前沿研究方向举例9

    1.3.1多视图机器学习9

    1.3.2强化学习11

    1.3.3可信人工智能11

    1.4后续章节安排13

    参考文献13

    第2章贝叶斯学习基础15

    2.1贝叶斯公式16

    2.2贝叶斯决策18

    2.2.1最小错误率贝叶斯决策18

    2.2.2最小风险贝叶斯决策21

    2.3分类器的相关概念23

    2.3.1分类器、判别函数和决策面24

    2.3.2分类器的错误率25

    2.4基于高斯分布的贝叶斯分类器26

    2.5朴素贝叶斯分类器32

    2.6参数估计33

    2.6.1优选似然估计33

    2.6.2优选后验估计35

    2.6.3期望优选化算法36

    2.6.4贝叶斯参数估计37

    思考与计算38

    参考文献39

    第3章逻辑回归40

    3.1线性回归41

    3.1.1最小二乘与优选似然44

    3.1.2正则化最小二乘与优选后验47

    3.2贝叶斯线性回归50

    3.3逻辑回归52

    3.3.1二类逻辑回归52

    3.3.2多类逻辑回归55

    3.4贝叶斯逻辑回归56

    思考与计算60

    参考文献60

    第4章概率图模型基础61

    4.1有向图模型63

    4.1.1模型表示63

    4.1.2条件独立性65

    4.1.3常见的有向图模型71

    4.2无向图模型73

    4.2.1模型表示73

    4.2.2条件独立性74

    4.2.3常见的无向图模型81

    4.3图模型中的推理82

    4.3.1链式结构82

    4.3.2树结构84

    4.3.3因子图84

    4.3.4和积算法85

    4.3.5优选和算法92

    思考与计算94

    参考文献95

    第5章隐马尔可夫模型96

    5.1模型表示97

    5.2模型推理100

    5.2.1边缘似然的推理101

    5.2.2隐状态序列的推理107

    5.2.3隐状态边缘后验的推理108

    5.3参数学习109

    5.4模型扩展111

    思考与计算115

    参考文献116

    第6章条件随机场117

    6.1模型表示118

    6.1.1线性链条件随机场120

    6.1.2一般的条件随机场121

    6.1.3条件随机场的特征函数122

    6.2模型推理124

    6.2.1前向—后向算法125

    6.2.2维特比算法129

    6.3参数学习130

    6.4线性链条件随机场与隐马尔可夫模型132

    6.5模型扩展133

    思考与计算133

    参考文献134

    第7章支持向量机135

    7.1大间隔原理136

    7.2基本分类模型137

    7.3拉格朗日对偶优化138

    7.4线性不可分数据的分类140

    7.4.1松弛变量140

    7.4.2核方法142

    7.5支持向量机回归144

    7.6模型扩展146

    思考与计算146

    参考文献147

    第8章人工神经网络与深度学习148

    8.1感知机149

    8.2多层神经网络151

    8.2.1神经元151

    8.2.2多层神经网络模型153

    8.2.3反向传播算法155

    8.3深度神经网络159

    8.3.1浅层与深度神经网络159

    8.3.2过拟合问题160

    8.3.3局部极值问题162

    8.3.4梯度消失问题163

    8.4常用的深度神经网络166

    8.4.1自编码网络166

    8.4.2深度玻尔兹曼机168

    8.4.3深度信念网络169

    8.4.4卷积神经网络170

    8.4.5循环神经网络174

    8.4.6Transformer177

    思考与计算180

    参考文献181

    第9章高斯过程183

    9.1高斯过程的定义184

    9.2高斯过程回归模型185

    9.2.1权重空间185

    9.2.2函数空间189

    9.3高斯过程分类模型192

    9.3.1模型表示193

    9.3.2近似推理方法195

    9.4高斯过程与支持向量机199

    9.5高斯过程与人工神经网络200

    9.6模型扩展201

    思考与计算203

    参考文献203

    0章聚类205

    10.1K-均值聚类206

    10.1.1算法介绍206

    10.1.2模糊K-均值聚类209

    10.2谱聚类210

    10.3高斯混合模型聚类217

    10.3.1模型表示217

    10.3.2模型推理与参数估计218

    10.3.3无限高斯混合模型219

    思考与计算222

    参考文献223

    1章主成分分析与相关的谱方法224

    11.1主成分分析225

    11.1.1优选化方差225

    11.1.2最小化误差227

    11.1.3主成分分析与K-L变换229

    11.2概率PCA230

    11.3核PCA232

    11.4相关的谱方法234

    11.4.1线性判别分析234

    11.4.2典型相关分析237

    思考与计算242

    参考文献243

    2章确定性近似推理244

    12.1近似推理的应用场景245

    12.2拉普拉斯近似245

    12.3变分平均场近似247

    12.3.1基本理论247

    12.3.2相关问题250

    12.4期望传播近似253

    12.4.1基本理论253

    12.4.2相关问题256

    思考与计算259

    参考文献259

    3章随机近似推理260

    13.1采样方法的评价标准261

    13.2基本的采样方法262

    13.2.1均匀采样变换263

    13.2.2拒绝采样264

    13.2.3重要性采样265

    13.3马尔可夫链蒙特卡洛267

    13.3.1Metropolis-Hastings采样267

    13.3.2Gibbs采样269

    13.3.3切片采样271

    13.3.4哈密尔顿蒙特卡洛采样274

    思考与计算277

    参考文献278

    4章强化学习280

    14.1基本概念与理论基础281

    14.2规划: 有环境模型的预测与控制286

    14.2.1策略迭代287

    14.2.2值迭代288

    14.3无环境模型的控制: 基于值函数290

    14.3.1蒙特卡洛控制291

    14.3.2时序差分控制: SARSA292

    14.3.3基于Q学习的异策略控制293

    14.3.4基于Q学习的深度Q网络控制295

    14.4无环境模型的控制: 基于策略296

    14.4.1蒙特卡洛策略梯度法和REINFORCE算法297

    14.4.2行动者—评论者算法299

    思考与计算300

    参考文献301

    附录A近邻法302

    A.1最近邻法302

    A.2最近邻法的错误率分析302

    A.3k-近邻法305

    参考文献306

    附录B决策树307

    B.1基本原理307

    B.2信息增益和信息增益比309

    B.3代表性算法311

    参考文献313

    附录C向量微积分314

    C.1向量微分314

    C.1.1常用定义314

    C.1.2求导规则316

    C.2向量积分319

    参考文献322

    附录D随机变量的变换323

    D.1概率密度中的变量变换323

    D.2期望中的变量变换326

    参考文献327

    " 孙仕亮,清华大学博士,华东师范大学教授。在华东师范大学从事研究工作,主讲本科和研究生“模式识别与机器学习”“不错机器学习”等课程,并在英国伦敦大学学院、美国哥伦比亚大学从事访问合作研究。在模式识别与机器学习领域的靠前有名期刊和会议发表学术论文100余篇,承担多项重量、省部级科研项目及靠前知名企业的合作研究项目,研究成果多次获得省部级科学技术奖励。
     赵静,华东师范大学博士,讲师。从事模式识别与机器学习领域的研究,包括概率模型、贝叶斯学习、近似推理与优化。主讲研究生“不错机器学习”和本科生“可信机器学习”等课程。入选上海市2016年度“扬帆计划”和2019年度“晨光计划”。发表论文近20篇,代表性成果发表于JMLR、T-CYB、IJCAI等靠前很好期刊和会议。
    "

    " 通俗易懂,配有典型示例
     图文并茂,配有近100幅直观示意图
     算法清晰,做到知其然和知其所以然
     富有深度,包含重要模型扩展
     完整性好,附有重要数学基础
     配套全面,教学和学习无忧
    "

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购