機器學習與最優化 田英傑 唐靜靜 9787030767547 【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：科學
物品所在地：中國大陸
原出版社：科學
NT$496
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：202405*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：機器學習與最優化 ISBN：9787030767547 出版社：科學 著編譯者：田英傑 唐靜靜 頁數：200 所在地：中國大陸 *此為代購商品 書號：1658342 可大量預訂，請先連絡。 內容簡介 本書以機器學習中的分類問題為基礎，以最優化為工具，闡述機器學習中的基本概念和經典學習問題，並圍繞這些學習問題，介紹相關研究成果，重點闡明其研究背景和邏輯思路，並由此擴展到國內外最新研究進展。主要內容包括：支持向量機、優化演算法、損失函數、正則技術，以及多視角學習、多標籤學習、多示例學習、多任務學習和度量學習等。 本書可作為機器學習領域研究生的擴充閱讀資料，也可作為相關專業教師和科研人員的參考書目錄 前言第1章 支持向量機 1 1 分類問題與標準支持向量機 1 1 1 分類問題 1 1 2 C-支持向量機 1 1 3 最小二乘支持向量機 1 2 超平面非平行的支持向量機 1 2 1 雙子支持向量機 1 2 2 非平行超平面支持向量機 1 3 拓展閱讀 1 3 1 二分類支持向量機及其拓展 1 3 2 多分類支持向量機及其拓展 參考文獻 第2章 優化演算法 2 1 確定型優化演算法 2 1 1 序列最小最優化演算法 2 1 2 交替方向乘子演算法 2 1 3 坐標下降演算法 2 1 4 逐次超鬆弛迭代演算法 2 1 5 凸函數差分演算法 2 1 6 原始估計次梯度演算法 2 1 7 截斷牛頓共軛梯度演算法 2 2 隨機型優化演算法 2 2 1 梯度下降演算法 2 2 2 方差縮減演算法 2 2 3 加速演算法 2 2 4 自適應學習速率演算法 2 2 5 高階演算法 2 2 6 鄰近演算法 2 3 拓展閱讀 2 3 1 應用領域 2 3 2 隨機型優化演算法的拓展 參考文獻 第3章 損失函數 3 1 分類問題的損失函數 3 1 1 損失函數 3 1 2 總結與分析 3 2 回歸問題的損失函數 3 2 1 損失函數 3 2 2 總結與分析 3 3 無監督問題的損失函數 3 3 1 損失函數 3 3 2 總結與分析 3 4 拓展閱讀 3 4 1 目標檢測中的損失函數 3 4 2 人臉識別中的損失函數 3 4 3 圖像分割中的損失函數 參考文獻 第4章 正則技術 4 1 向量稀疏正則 4 1 1 應用場景 4 1 2 正則項 4 1 3 總結與分析 4 2 矩陣稀疏正則 4 2 1 應用場景 4 2 2 正則項 4 2 3 總結與分析 4 3 矩陣低秩正則 4 3 1 應用場景 4 3 2 正則項 4 3 3 總結與分析 4 4 拓展閱讀 4 4 1 數據增強 4 4 2 Dropout 4 4 3 歸一化 參考文獻 第5章 多視角學習 5 1 多視角學習問題與處理原則 5 2 兩視角支持向量機SVM-2K 5 3 基於特權信息學習理論的兩視角支持向量機 5 3 1 模型構建 5 3 2 理論分析 5 4 拓展閱讀 5 4 1 協同訓練 5 4 2 多核學習 5 4 3 子空間學習 5 4 4 深度多視角學習 參考文獻 第6章 多標籤學習 6 1 多標籤學習問題與評價指標 6 1 1 多標籤分類問題 6 1 2 多標籤學習的評價指標 6 2 多標籤學習的經典演算法 6 2 1 二元關聯 6 2 2 排序支持向量機 6 3 考慮標籤相關性的代價敏感多標籤學習 6 3 1 模型構建 6 3 2 模型求解 6 3 3 理論分析 6 4 拓展閱讀 6 4 1 傳統多標籤學習 6 4 2 深度多標籤學習 參考文獻 第7章 多示例學習 7 1 多示例學習問題 7 2 多示例支持向量機 7 3 稀疏多示例支持向量機 7 3 1 模型構建 7 3 2 模型求解 7 4 拓展閱讀 7 4 1 常見演算法 7 4 2 深度多示例學習演算法 7 4 3 與其他學習範式結合 參考文獻 第8章 多任務學習 8 1 多任務學習問題 8 2 多任務支持向量機 8 3 多任務特徵選擇 8 3 1 模型構建 8 3 2 模型求解 8 3 3 理論分析 8 4 拓展閱讀 8 4 1 傳統多任務學習 8 4 2 深度多任務學習 8 4 3 與其他學習範式結合 參考文獻 第9章 度量學習 9 1 度量學習問題 9 1 1 距離 9 1 2 度量學習問題 9 2 全局與局部度量學習 9 2 1 全局度量學習 9 2 2 局部度量學習 9 3 基於特徵分解的度量學習 9 3 1 全局演算法 9 3 2 局部演算法 9 3 3 比較與分析 9 4 拓展閱讀 9 4 1 傳統度量學習 9 4 2 深度度量學習 參考文獻 索引 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。 |
