機器學習與智能感知 張寶昌 9787302641704 【台灣高等教育出版社】
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：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$317
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
| *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，以到貨標的為正確資訊。 印行年月：202309*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：機器學習與智能感知 ISBN：9787302641704 出版社：清華大學 著編譯者：張寶昌 頁數：151 所在地：中國大陸 *此為代購商品 書號：1583409 可大量預訂，請先連絡。 內容簡介 本書旨在通過對機器學習主要原理和方法的介紹，並且結合作者多年來在智能感知方面的研究成果，對其他書籍未涉及的一些前沿研究進行補充闡述。通過對基礎理論循序漸進、深入淺出的講解，讀者能夠更快速地掌握機器學習的基本方法，在此基礎上每章內容由易到難，讀者可以根據自己的掌握程度以及興趣，選擇特定的方向進行更深入的學習。 本書可作為有一定數學基礎的人工智慧專業的本科生和研究生教材，也可作為有志於鑽研人工智慧相關領域（包括機器學習和智能感知等方向）的讀者的參考書。作者簡介 張寶昌 教授，2018年進入北京航空航天大學長聘系列，入選教育部新世紀優秀人才計劃、深圳市海外高層次團隊計劃，擔任百度公司深度學習實驗室學術顧問。發表CCFA會議/期刊、IEEE彙刊論文90餘篇，JCV7篇、EEE彙刊40餘篇；任第一作者的單篇論文引用超1200次；獲批專利12項；入選愛思唯爾「中國高被引學者榜單」。獲4項省部級和一級學會一等獎、3項國際比賽第一名。目錄 第1章 機器學習的發展史引言 1 1 機器學習 1 1 1 機器學習的定義和研究意義 1 1 2 機器學習的發展史 1 1 3 機器學習系統的基本結構 1 1 4 機器學習的分類 1 1 5 目前研究領域 1 2 統計模式識別問題 1 2 1 機器學習問題的表示 1 2 2 經驗風險最小化 1 2 3 複雜性與推廣能力 1 3 統計機器學習理論的核心內容 1 3 1 學習過程一致性的條件 1 3 2 推廣性的界 1 3 3 結構風險最小化 1 4 解耦因果學習 1 4 1 因果學習 1 4 2 相關工作 1 4 3 解耦因果學習方法與應用 1 5 總結 課後習題 第2章 決策樹學習 引言 2 1 決策樹學習概述 2 1 1 決策樹 2 1 2 性質 2 1 3 應用 2 1 4 學習 2 2 決策樹設計 2 2 1 決策樹的特點 2 2 2 決策樹的生成 2 3 總結 課後習題 第3章 PAC模型 引言 3 1 基本的PAC模型 3 1 1 PAC簡介 3 1 2 基本概念 3 1 3 問題框架 3 2 PAC模型樣本複雜度分析 3 2 1 有限空間樣本複雜度 3 2 2 無限空間樣本複雜度 3 3 VC維計算 3 4 總結 課後習題 第4章 貝葉斯學習 引言 4 1 貝葉斯學習 4 1 1 貝葉斯公式 4 1 2 最小誤差決策 4 1 3 正態密度 4 1 4 最大似然估計 4 2 樸素貝葉斯原理及應用 4 2 1 貝葉斯最佳假設原理 4 2 2 基於樸素貝葉斯的文本分類器 4 3 HMM（隱馬爾可夫模型）及應用 4 3 1 馬爾可夫性 4 3 2 馬爾可夫鏈 4 3 3 轉移概率矩陣 4 3 4 HMM（隱馬爾可夫模型）及應用 4 4 總結 課後習題 第5章 支持向量機 引言 5 1 支持向量機概述 5 1 1 margin最大化 5 1 2 支持向量機優化 5 2 支持向量機的實例 5 3 支持向量機的實現演算法 5 4 多類支持向量機 5 5 總結 課後習題 第6章 AdaBoost 引言 6 1 AdaBoost與目標檢測 6 1 1 AdaBoost演算法 6 1 2 AdaBoost訓練 6 1 3 AdaBoost實例 6 2 具有強魯棒性的實時目標檢測 6 2 1 Haarlike矩形特徵選取 6 2 2 積分圖 6 2 3 訓練結果 6 2 4 級聯 6 3 隨機森林 6 3 1 原理闡述 6 3 2 演算法詳解 6 3 3 演算法分析 6 4 總結 課後習題 第7章 壓縮感知 引言 7 1 壓縮感知理論框架 7 2 壓縮感知的基本理論及核心問題 7 2 1 壓縮感知的數學模型 7 2 2 信號的稀疏表示 7 2 3 信號的觀測矩陣 7 2 4 信號的重構演算法 7 3 壓縮感知的應用 7 3 1 應用 7 3 2 人臉識別 7 4 總結 課後習題 第8章 子空間 引言 8 1 基於主成分分析的特徵提取 8 2 數學模型 8 3 主成分的數學上的計算 8 3 1 兩個線性代數的結論 8 3 2 基於協方差矩陣的特徵值分解 8 3 3 主成分分析的步驟 8 4 主成分分析的性質 8 5 基於主成分分析的人臉識別方法 8 6 總結 課後習題 第9章 神經網路與深度學習 引言 9 1 神經網路及其主要演算法 9 1 1 前饋神經網路 9 1 2 感知器 9 1 3 反向傳播演算法 9 2 深度學習 9 2 1 深度學習演算法基礎與網路模型 9 2 2 深度學習演算法原理 9 2 3 卷積神經網路演算法原理 9 3 深度學習網路模型 9 3 1 深度學習網路架構 9 3 2 網路模型優化 9 3 3 代表性的網路模型 9 4 總結 課後習題 第10章 調製壓縮神經網路 引言 10 1 神經網路模型壓縮概述 10 1 1 量化與二值化 10 1 2 剪枝與共享 10 2 調製壓縮神經網路 10 3 損失函數 10 4 前向卷積 10 4 1 重構卷積核 10 4 2 調製網路的前向卷積過程 10 5 調製卷積神經網路模型的梯度反傳 10 6 MCN網路的實驗驗證 10 6 1 模型收斂效率 10 6 2 模型時間分析 10 6 3 實驗結果 課後習題 第11章 批量白化技術 引言 11 1 批量標準化技術 11 2 批量白化方法 11 2 1 隨機坐標交換問題 11 2 2 ZCA白化 11 3 批量白化模塊 11 4 分析和討論 11 4 1 提高模型的條件情況 11 4 2 近似的動態等距性 11 5 總結 課後習題 第12章 正交權重矩陣 引言 12 1 多個依賴的Stiefel流優化 12 2 正交權重矩陣的特性 12 2 1 穩定激活值的分佈 12 2 2 規整化神經網路 12 3 正交權重標準化技術 12 3 1 設計正交變換 12 3 2 反向傳播 12 3 3 正交線性模塊 12 4 實驗與分析 12 4 1 求解多個依賴的Stiefel流優化問題方法比較 12 4 2 多層感知機實驗 12 4 3 ImageNet2012大規模圖像數據分類實驗 12 5 總 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。 |
