機(jī)器學(xué)習(xí)原理與應(yīng)用

定　價(jià)：￥79.00

作　者：	杜世強(qiáng)
出版社：	中國(guó)科學(xué)技術(shù)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥55.30)

ISBN：	9787523601860	出版時(shí)間：	2023-04-01	包裝：	平裝
開本：		頁(yè)數(shù)：	198	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)（Machine Learning，ML）是人工智能的一個(gè)分支，它是一門多領(lǐng)域交叉學(xué)科，專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。機(jī)器學(xué)習(xí)方法可以根據(jù)經(jīng)驗(yàn)數(shù)據(jù)自動(dòng)完成模型參數(shù)學(xué)習(xí)，而不需要人為設(shè)定規(guī)則，大幅降低了人工分析的工作量和難度，已成為目前解決人工智能相關(guān)問(wèn)題的主要方式。

作者簡(jiǎn)介

　　杜世強(qiáng)，男，漢族，博士，1981年2月生，西北民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院副教授，數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)負(fù)責(zé)人，碩士生導(dǎo)師，自然基金面上項(xiàng)目函評(píng)專家，IEEE會(huì)員、中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)員、中國(guó)圖像圖形學(xué)會(huì)會(huì)員，IEEE？Transactions？on？Cybernetics（SCI？1區(qū)）、IEEE？Access（SCI？2區(qū)）等多個(gè) 外期刊審稿人。2014.09-2017.06就讀于蘭州大學(xué)信息科學(xué)與工程學(xué)院并獲理學(xué)博士學(xué)位。曾于2013年訪問(wèn)美國(guó)猶他州立大學(xué)、2019-2020年訪問(wèn)意大利摩德納雷焦艾米利亞大學(xué)，研究方向?yàn)闄C(jī)器學(xué)習(xí)、圖像處理與神經(jīng)網(wǎng)絡(luò)。近幾年來(lái)，研究成果發(fā)表于《Knowledge-Based？Systems》（SCI？1區(qū)）、《Neurocomputing》（SCI？2區(qū)）、《吉林大學(xué)學(xué)報(bào)》和《山東大學(xué)學(xué)報(bào)》等外學(xué)術(shù)刊物共計(jì)30多篇，其中一作SCI？1區(qū)論文1篇、SCI？2區(qū)論文4篇。

圖書目錄

章緒論
1.1 人工智能
1.2 機(jī)器學(xué)習(xí)
1.3 深度學(xué)習(xí)
1.4 Pytorch簡(jiǎn)介
第2 章回歸分析
2.1 引言
2.2 回歸分析
2.3 本章小結(jié)
2.4 習(xí)題
第3 章決策樹
3.1 引言
3.2 案例
3.3 決策樹
3.4 案例求解
3.5 本章小結(jié)
3.6 習(xí)題
第4 章貝葉斯分類器
4.1 引言
4.2 案例
4.3 理論介紹
4.4 案例求解
4.5 本章小結(jié)
4.6 習(xí)題
第5 章人工神經(jīng)網(wǎng)絡(luò)
5.1 引言
5.2 案例
5.3 多層感知機(jī)
5.4 案例求解
5.5 本章小結(jié)
5.6 習(xí)題
第6章支持向量機(jī)
6.1 引言
6.2 支持向量機(jī)
6.3 案例求解
6.4 本章小結(jié)
6.5 習(xí)題
第7 章聚類
7.1 引言
7.2 聚類任務(wù)
7.3 性能度量
7.4 原型聚類
7.5 層次聚類
7.6 習(xí)題
第8 章降維
8.1 引言
8.2 案例
8.3 主成分分析
8.4 線性判別分析
8.5 案例求解
8.6 本章小結(jié)
8.7 習(xí)題
第9 章深度卷積網(wǎng)絡(luò)
9.1 引言
9.2 案例
9.3 圖像分類模型
9.4 案例求解
9.5 本章小結(jié)
9.6 習(xí)題
0章生成對(duì)抗網(wǎng)絡(luò)
10.1 引言
10.2 生成對(duì)抗網(wǎng)絡(luò)原理
10.3 損失函數(shù)
10.4 案例分析
10.5 本章小結(jié)
10.6 習(xí)題
1章對(duì)比學(xué)習(xí)
11.1 引言
11.2 問(wèn)題
11.3 對(duì)比學(xué)習(xí)
11.4 案例求解
11.5 本章小結(jié)
11.6 習(xí)題
2章強(qiáng)化學(xué)習(xí)
12.1 引言
12.2 案例
12.3 強(qiáng)化學(xué)習(xí)
12.4 案例求解
12.5 本章小結(jié)
12.6 習(xí)題
參考答案
附錄一矩陣相關(guān)知識(shí)
附錄二概率論相關(guān)知識(shí)
參考文獻(xiàn)