蒙特卡羅方法與人工智能 9787121470202 (美)Adrian Barbu(巴布.艾俊)Song-Chu
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$878
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：蒙特卡羅方法與人工智能 ISBN：9787121470202 出版社：電子工業 著編譯者：(美)Adrian Barbu(巴布.艾俊)Song-Chu 叢書名：前沿科技人工智慧系列 頁數：344 所在地：中國大陸 *此為代購商品 書號：1606925 可大量預訂，請先連絡。 【台灣高等教育出版社簡體書】 蒙特卡羅方法與人工智能 787121470202 (美)Adrian Barbu(巴布.艾俊)Song-Chu 內容簡介 本書全面敘述了蒙特卡羅方法，包括序貫蒙特卡羅方法、馬爾可夫鏈蒙特卡羅方法基礎、Metropolis演算法及其變體、吉布斯採樣器及其變體、聚類採樣方法、馬爾可夫鏈蒙特卡羅的收斂性分析、數據驅動的馬爾可夫鏈蒙特卡羅方法、哈密頓和朗之萬蒙特卡羅方法、隨機梯度學習和可視化能級圖等。為了便於學習，每章都包含了不同領域的代表性應用實例。本書旨在統計學和計算機科學之間架起一座橋樑以彌合它們之間的鴻溝，以便將其應用於計算機視覺、計算機圖形學、機器學習、機器人學、人工智慧等領域解決更廣泛的問題，同時使這些領域的科學家和工程師們更容易地利用蒙特卡羅方法加強他們的研究。作者簡介 朱松純 1996年獲得哈佛大學計算機科學博士學位，現任北京通用人工智慧研究院院長、北京大學人工智慧研究院院長、北京大學講席教授、清華大學基礎科學講席教授；曾任美國加州大學洛杉磯分校(UCLA)統計學與計算機科學教授，加州大學洛杉磯分校視覺、認知、學習與自主機器人中心主任。他長期致力於為視覺和智能探尋一個統一的統計與計算框架：包括作為學習與推理的統一表達和數字蒙特卡洛方法的時空因果與或圖(STC-AOG)。他在計算機視覺、統計學習、認知、人工智慧和自主機器人領域發表了400 多篇學術論文。他曾獲得了多項榮譽，2003年因圖像解析領域的工作成就獲馬爾獎，1999年因紋理建模、2007年因物體建模兩次獲得馬爾獎提名。2001年，他獲得了NSF青年科學家獎、ONR青年研究員獎和斯隆獎。因為在視覺模式的概念化、建模、學習和推理的統一基礎方面的貢獻，他2008年獲得了國際模式識別協會授予的J K Aggarwal獎。2013年，他關於圖像分割的論文獲得了亥姆霍茲獎(Helmholtz Test-of-Time Award)。2017年，他因生命度建模工作獲國際認知學會計算建模獎。2011年，他當選IEEE Fellow。他在2012年和2019年兩次擔任國際計算機視覺與模式識別大會(CVPR)主席。作為項目負責人，他領導了多個ONR MURI和DARPA團隊，從事統一數學框架下的場景和事件理解以及認知機器人的工作。目錄 第1章 蒙特卡羅方法簡介1 1 引言 1 2 動機和目標 1 3 蒙特卡羅計算中的任務 1 3 1 任務1：採樣和模擬 1 3 2 任務2：通過蒙特卡羅模擬估算未知量 1 3 3 任務3：優化和貝葉斯推理 1 3 4 任務4：學習和模型估計 1 3 5 任務5：可視化能級圖 本章參考文獻 第2章 序貫蒙特卡羅方法 2 1 引言 2 2 一維密度採樣 2 3 重要性採樣和加權樣本 2 4 序貫重要性採樣（SIS） 2 4 1 應用：表達聚合物生長的自避遊走 2 4 2 應用：目標跟蹤的非線性/粒子濾波 2 4 3 SMC方法框架總結 2 5 應用：利用SMC方法進行光線追蹤 2 6 在重要性採樣中保持樣本多樣性 2 6 1 基本方法 2 6 2 Parzen窗討論 2 7 蒙特卡羅樹搜索 2 7 1 純蒙特卡羅樹搜索 2 7 2 AlphaGo 2 8 本章練習 本章參考文獻 第3章 馬爾可夫鏈蒙特卡羅方法基礎 3 1 引言 蒙特卡羅方法與人工智慧 3 2 馬爾可夫鏈基礎 3 3 轉移矩陣的拓撲：連通與周期 3 4 Perron-Frobenius定理 3 5 收斂性度量 3 6 連續或異構狀態空間中的馬爾可夫鏈 3 7 各態遍歷性定理 3 8 通過模擬退火進行MCMC優化 3 9 本章練習 本章參考文獻 第4章 Metropolis演算法及其變體 4 1 引言 4 2 Metropolis-Hastings演算法 4 2 1 原始Metropolis-Hastings演算法 4 2 2 Metropolis-Hastings演算法的另一形式 4 2 3 其他接受概率設計 4 2 4 Metropolis演算法設計中的關鍵問題 4 3 獨立Metropolis採樣 4 3 1 IMS的特徵結構 4 3 2 有限空間的一般首中時 4 3 3 IMS擊中時分析 4 4 可逆跳躍和跨維MCMC 4 4 1 可逆跳躍 4 4 2 簡單例子：一維圖像分割 4 5 應用：計算人數 4 5 1 標值點過程模型 4 5 2 MCMC推理 4 5 3 結果 4 6 應用：傢具布置 4 7 應用：場景合成 4 8 本章練習 本章參考文獻 第5章 吉布斯採樣器及其變體 5 1 引言 5 2 吉布斯採樣器 第6章 聚類採樣方法 第7章 MCMC的收斂性分析 第8章 數據驅動的馬爾可夫鏈蒙特卡羅方法 第9章 哈密頓和朗之萬蒙特卡羅方法 第10章 隨機梯度學習 第11章 可視化能級圖 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
