神經網絡與機器學習 (加)Simon Haykin(西蒙.赫金) 9787121482106 【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：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$820
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：202407*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：神經網絡與機器學習 ISBN：9787121482106 出版社：電子工業 著編譯者：(加)Simon Haykin(西蒙.赫金) 叢書名：國外計算機科學教材系列 頁數：608 所在地：中國大陸 *此為代購商品 書號：1664171 可大量預訂，請先連絡。 內容簡介 本書是關於神經網路與機器學習的經典教材，完整、詳細地討論了各個主題，並且包含了相關的計算機實驗。全書共16章，主要內容包括神經網路的定義、Rosenblatt感知器、回歸建模、最小均方演算法、多層感知器、核方法和徑向基函數網路、支持向量機、正則化理論、主成分分析、自組織映射、資訊理論學習模型、源於統計力學的隨機方法、動態規劃、神經動力學、動態系統狀態估計的貝葉斯濾波、動態驅動遞歸網路。本書適合高等院校計算機、電子信息、軟體工程、智能工程等專業的高年級本科生和研究生學習使用，也可供相關領域的技術人員參考。目錄 第0章 導言0 1 什麼是神經網路 0 2 人類大腦 0 3 神經元模型 0 4 視為有向圖的神經網路 0 5 反饋 0 6 網路結構 0 7 知識表示 0 8 學習過程 0 9 學習任務 0 10 結語 註釋和參考文獻 第1章 Rosenblatt感知器 1 1 引言 1 2 感知器 1 3 感知器收斂定理 1 4 高斯環境下感知器與貝葉斯分類器的關係 1 5 計算機實驗：模式分類 1 6 批量感知器演算法 1 7 小結和討論 註釋和參考文獻 習題 第2章 回歸建模 2 1 引言 2 2 線性回歸模型：初步考慮 2 3 參數向量的最大后驗估計 2 4 正則化最小二乘估計與MAP估計的關係 2 5 計算機實驗：模式分類 2 6 最小描述長度原理 2 7 有限樣本量考慮 2 8 工具變數法 2 9 小結和討論 註釋和參考文獻 習題 計算機實驗 第3章 最小均方演算法 3 1 引言 3 2 LMS演算法的濾波結構 3 3 無約束優化：回顧 3 4 維納濾波器 3 5 最小均方演算法 3 6 描述LMS演算法和維納濾波器偏差的馬爾可夫模型 3 7 朗之萬方程：布朗運動的特點 3 8 庫什納直接平均法 3 9 小學習率參數的統計LMS學習理論 3 10 計算機實驗Ⅰ：線性預測 3 11 計算機實驗Ⅱ：模式分類 3 12 LMS演算法的優缺點 3 13 學習率退火計劃 3 14 小結和討論 註釋和參考文獻 習題 第4章 多層感知器 4 1 引言 4 2 一些預備知識 4 3 批量學習與在線學習 4 4 反向傳播演算法 4 5 異或問題 4 6 提升反向傳播演算法性能的啟髮式演算法 4 7 計算機實驗：模式分類 4 8 反向傳播和微分 4 9 黑塞矩陣及其在在線學習中的作用 4 10 學習率的最優退火和自適應控制 4 11 泛化 4 12 函數逼近 4 13 交叉驗證 4 14 複雜度正則化和網路修剪 4 15 反向傳播學習的優缺點 4 16 作為優化問題的監督學習 4 17 卷積網路 4 18 非線性濾波 4 19 小規模和大規模學習問題 4 20 小結和討論 註釋和參考文獻 習題 第5章 核方法和徑向基函數網路 5 1 引言 5 2 模式可分性的Cover定理 5 3 插值問題 5 4 徑向基函數網路 5 5 K均值聚類 5 6 權重向量的遞歸最小二乘估計 5 7 RBF網路的混合學習過程 5 8 計算機實驗：模式分類 5 9 高斯隱藏單元的解釋 5 10 核回歸及其與RBF網路的關係 5 11 小結和討論 註釋和參考文獻 習題 第6章 支持向量機 6 1 引言 6 2 線性可分模式的最優超平面 6 3 不可分模式的最優超平面 6 4 作為核機器的支持向量機 6 5 支持向量機的設計 6 6 異或問題 6 7 計算機實驗：模式分類 6 8 回歸：魯棒性考慮 6 9 線性回歸問題的最優解 6 10 表示定理和相關問題 6 11 小結和討論 註釋和參考文獻 習題 第7章 正則化理論 7 1 引言 7 2 良態Hadamard條件 7 3 Tikhonov正則化理論 7 4 正則化網路 7 5 廣義徑向基函數網路 7 6 再論正則化最小二乘估計 7 7 關於正則化的其他說明 7 8 正則化參數估計 7 9 半監督學習 7 10 流形正則化：初步考慮 7 11 微分流形 7 12 廣義正則化理論 7 13 譜圖理論 7 14 廣義表示定理 7 15 拉普拉斯正則化最小二乘演算法 7 16 半監督學習模式分類實驗 7 17 小結和討論 註釋和參考文獻 習題 第8章 主成分分析 8 1 引言 8 2 自組織原則 8 3 自組織的特徵分析 8 4 主成分分析：擾動理論 8 5 基於Hebb的最大特徵濾波器 8 6 基於Hebb的主成分分析 8 7 案例研究：圖像編碼 8 8 核主成分分析 8 9 自然圖像編碼中的基本問題 8 10 核Hebb演算法 8 11 小結和討論 註釋和參考文獻 習題 第9章 自組織映射 9 1 引言 9 2 兩個基本的特徵映射模型 9 3 自組織映射 9 4 特徵映射的性質 9 5 計算機實驗Ⅰ：使用SOM求解網格動力學 9 6 上下文映射 9 7 分層向量量化 9 8 核自組織映射 9 9 計算機實驗Ⅱ：使用核SOM求解網格動力學 9 10 核SOM與KL散度的關係 9 11 小結和討論 註釋和參考文獻 習題 第10章 資訊理論學習模型 10 1 引言 10 2 熵 10 3 最大熵原則 10 4 互信息 10 5 KL散度 10 6 Copula函數 10 7 作為待優化目標函數的互信息 10 8 最大互信息原則 10 9 最大互信息與冗餘減少 10 10 空間相干特徵 10 11 空間非相干特徵 10 12 獨立成分分析 10 13 自然圖像的稀疏編碼與ICA編碼比較 10 14 獨立成分分析的自然梯度學習 10 15 獨立成分分析的最大似然估計 10 16 盲源分離的最大熵學習 10 17 獨立成分分析的負熵的最大化 10 18 相干獨立分量分析 10 19 率失真理論和信息瓶頸 10 20 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。 |
