機器學習與推理 俞成浦 陳文頡 9787302668657 【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$477
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：202408*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：機器學習與推理 ISBN：9787302668657 出版社：清華大學 著編譯者：俞成浦 陳文頡 頁數：313 所在地：中國大陸 *此為代購商品 書號：1681190 可大量預訂，請先連絡。 內容簡介 在人工智慧與控制科學產生深度交叉融合的背景下，本書對機器學習和模型推理的經典演算法和前沿理論知識進行深度剖析和全面梳理，形成具有理論深度和知識廣度的參考資料，旨在支撐「智能科學與技術」和「控制科學與工程」兩個一級學科的建設和發展。 本書的主要內容分成兩篇。第一篇主要介紹機器學習的主要理論和方法，包括統計決策方法、監督學習方法、無監督學習方法、深度學習方法和近似推理方法。除了總結經典演算法之外，第一篇還介紹了最新的集成學習方法（如遷移學習、終身學習和元學習）和深度學習方法（如圖神經網路、深度信念網路和深度生成網路），使學生能夠掌握機器學習專業方向的前沿理論知識。第二篇主要介紹模型推理的主要理論與方法，包括靜態統計模型、概率圖模型、馬爾可夫模型以及馬爾可夫決策過程。在模型知識的驅動下，第二篇聚焦控制領域的狀態估計、系統辨識和馬爾可夫決策，形成更具理論深度的高層次學習內容。為了幫助讀者掌握核心內容和知識點，每章都配備了習題和主要參考文獻，附錄提供了本書學習的必備基礎知識。 本書前半部分的知識點相對容易，適合本科教學；後半部分的知識點對矩陣分析和隨機過程等數學知識要求較高，適合研究生教學。本書也是機器學習、模式識別和系統辨識等專業研究生科研的重要參考資料。目錄 第1章 緒論1 1 人工智慧發展 1 2 機器學習 1 2 1 機器學習概念 1 2 2 機器學習方法 1 2 3 機器學習分類 1 3 模型推理 1 3 1 模型分類 1 3 2 模型推理概念 1 3 3 模型推理方法 1 4 應用例子 1 5 內容安排 習題 第一篇 機器學習 第2章 統計決策方法 2 1 貝葉斯決策 2 1 1 最小錯誤率貝葉斯決策 2 1 2 最小風險貝葉斯決策 2 1 3 Neyman-Pearson決策 2 1 4 貝葉斯決策規則比較 2 1 5 正態分佈統計決策 2 2 概率密度函數估計 2 2 1 參數估計——極大似然法 2 2 2 參數估計——最大后驗法 2 2 3 參數估計——貝葉斯方法 2 2 4 概率密度函數估計——貝葉斯學習 2 2 5 非參數概率密度函數估計——k近鄰法 2 2 6 非參數概率密度函數估計——Parzen窗法 習題 第3章 監督學習方法 3 1 最小二乘法 3 1 1 線性回歸 3 1 2 邏輯回歸 3 1 3 均方誤差估計 3 2 支持向量機 3 2 1 標準支持向量機 3 2 2 軟間隔與正則化 3 2 3 支持向量回歸 3 3 核方法與正則化 3 3 1 廣義線性模型 3 3 2 核支持向量機 3 3 3 正則化理論 3 4 神經網路 3 4 1 感知器 3 4 2 神經網路結構 3 4 3 反向傳播演算法 3 5 複合學習方法 3 5 1 集成學習 3 5 2 多任務學習 3 5 3 遷移學習 3 5 4 終身學習 3 5 5 元學習 習題 第4章 無監督學習方法 4 1 近鄰測度和聚類準則 4 2 聚類方法 第二篇 模型推理 附錄A 概率理論 附錄B 矩陣理論 附錄C 優化理論 參考文獻 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。 |
