MARC状态：审校 文献类型：中文图书 浏览次数：26
- 题名/责任者:
- 机器学习:贝叶斯和优化方法/(希) 西格尔斯·西奥多里蒂斯著 王刚 ... [等] 译
- 出版发行项:
- 北京:机械工业出版社,2021
- ISBN及定价:
- 978-7-111-69257-7/CNY279.00
- 载体形态项:
- XVI, 828页, [20] 页图版:图 (部分彩图);23cm
- 其它题名:
- 贝叶斯和优化方法
- 丛编项:
- 智能科学与技术丛书
- 个人责任者:
- 西奥多里蒂斯 (Theodoridis, Sergios) 著
- 个人次要责任者:
- 王刚 译
- 个人次要责任者:
- 李忠伟 译
- 个人次要责任者:
- 任明明 译
- 学科主题:
- 机器学习
- 中图法分类号:
- TP181
- 题名责任附注:
- 题名页题其余译者: 李忠伟, 任明明, 李鹏
- 版本附注:
- 据原书第2版译出
- 出版发行附注:
- 由ELSEVIER LTD.授权
- 书目附注:
- 有书目和索引
- 提要文摘附注:
- 本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、最小二乘和最大似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。
- 使用对象附注:
- 本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。
全部MARC细节信息>>