中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册

机器学习基础教程

作者:姚舜才
出版社:西安电子科技大学出版社出版时间:2020-04-01
开本: 16开 页数: 240
本类榜单:教材销量榜
中 图 价:¥28.0(8.0折) 定价  ¥35.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

机器学习基础教程 版权信息

机器学习基础教程 本书特色

本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括:机器学习所涉及的必要的数学知识,机器学习的基本模式和任务,神经网络的基本理论及算法结构,分类和聚类的基本学习算法,数据维度归约的基本方法,图理论及方法以及当前比较流行的机器学习理论和算法。在加深学生对经典机器学习方法理解的基础上适当扩展其视野,以培养和提高解决实际问题的能力。
本书可作为高等学校人工智能相关专业的教材,也适合在该领域的工程技术人员自学参考使用。

机器学习基础教程 内容简介

本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括:机器学习所涉及的必要的数学知识,机器学习的基本模式和任务,神经网络的基本理论及算法结构,分类与聚类学习算法,数据维度归约的基本方法,图理论及方法以及当前比较流行的机器学习理论和算法。本书在加深学生对经典机器学习方法理解的基础上适当扩展其视野,以培养和提高其解决实际问题的能力。 本书可作为高等学校人工智能相关专业的教材,也适合该领域的工程技术人员参考使用。

机器学习基础教程 目录

**章 绪论 1 1.1 机器学习发展简史与概况 2 1.2 机器学习的研究与应用现状 5 1.3 机器学习的相关问题 9 1.4 机器学习的发展前景 12 第二章 机器学习的数学基础 14 2.1 线性代数与矩阵分析基础 14 2.1.1 线性空间基础 14 2.1.2 范数 16 2.1.3 矩阵运算及其分解 18 2.2 概率与统计基础 21 2.2.1 概率分布 22 2.2.2 数字特征 31 2.2.3 估计理论基础 35 2.2.4 贝叶斯理论基础 39 2.3 优化理论基础 41 2.3.1 无约束*优化 41 2.3.2 带有约束条件的*优化 42 复习思考题 43 第三章 机器学习基本知识 44 3.1 机器学习的建模问题 44 3.1.1 线性拟合(回归)及建模问题 44 3.1.2 非线性拟合(回归)及建模问题 50 3.2 机器学习模式概述 54 3.2.1 有监督学习模式 55 3.2.2 无监督学习模式 60 复习思考题 66 第四章 神经网络学习算法 67 4.1 神经网络概述 67 4.2 典型前馈型神经网络 73 4.2.1 前馈型(BP)神经网络基本运行模式 76 4.2.2 前馈型(BP)神经网络的相关问题 80 4.3 典型反馈型神经网络 83 4.3.1 反馈型神经网络基本运行模式 83 4.3.2 反馈型神经网络的相关问题 87 4.4 其他典型神经网络 91 4.4.1 径向基神经网络 91 4.4.2 自组织竞争神经网络 96 4.4.3 小脑模型神经网络 102 4.4.4 卷积神经网络 105 复习思考题 109 第五章 分类与聚类学习算法 110 5.1 分类学习算法 110 5.1.1 线性分类算法 111 5.1.2 非线性分类算法 120 5.1.3 核方法与支持向量机 128 5.2 聚类学习算法 134 5.2.1 K均值聚类算法 135 5.2.2 其他聚类算法 138 复习思考题 139 第六章 数据维度归约方法 140 6.1 单类数据降维 140 6.1.1 主成分分析 140 6.1.2 因子分析 148 6.1.3 相关分析 157 6.2 非线性降维算法简介 161 6.2.1 等距映射 162 6.2.2 拉普拉斯特征映射 163 6.2.3 局部线性嵌入 166 6.3 多类数据特征选择与提取 167 复习思考题 170 第七章 图方法 171 7.1 贝叶斯网络 171 7.1.1 贝叶斯网络理论 171 7.1.2 贝叶斯网络推理 173 7.2 决策树理论 176 7.2.1 定义与结构 176 7.2.2 特征选择准则 177 7.2.3 “过拟合”问题 179 7.2.4 连续值处理 180 7.2.5 决策树生成 180 7.2.6 算法实例 181 7.3 马尔可夫网络 189 复习思考题 191 第八章 其他典型机器学习方法概述 192 8.1 隐含马尔可夫模型 192 8.2 蒙特卡洛方法 196 8.3 组合多学习器 201 8.4 近似推断 206 8.5 增强学习方法 210 8.6 深度学习方法概述 214 8.7 深度学习方法应用举例 221 复习思考题 229 参考文献 230
展开全部

机器学习基础教程 作者简介

博士,副教授,硕士生导师。毕业于中国矿业大学(北京)。美国密歇根科技大学访问学者。主讲信号与系统,自动控制系统等本科生课程;以及智能优化理论及算法,最佳估计与系统建模等研究生课程。多次获得山西省中青年教师教学基本功竞赛奖励;并被评为山西省普通高校师德师风建设先进个人;获山西省高等学校科技进步二等奖一项;山西省高等学校科技进步三等奖一项;山西省教学改革二等奖一项,“青年五四奖章”获得者;在国内外期刊和会议上发表20余篇学术论文,其中EI收录8篇。出版教材(国防工业出版社)及专著(机械工业出版社)三部,其中教材已多次再版。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
浏览历史
编辑推荐
返回顶部
中图网
在线客服