机读格式显示(MARC)

• 000 02019nam 2200373 450

• 001 0000583797

• 005 20220815115600.0

• 010 __ |a 978-7-111-69257-7 |d CNY279.00

• 100 __ |a 20220218d2021 em y0chiy50 ea

• 101 1_ |a chi |c gre

• 102 __ |a CN |b 110000

• 105 __ |a af a 001yy

• 106 __ |a r

• 200 1_ |a 机器学习 |A ji qi xue xi |e 贝叶斯和优化方法 |f (希) 西格尔斯·西奥多里蒂斯著 |d = Machine learning |e a bayesian and optimization perspective |f Sergios Theodoridis |g 王刚 ... [等] 译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2021

• 215 __ |a XVI, 828页, [20] 页图版 |c 图 (部分彩图) |d 23cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 304 __ |a 题名页题其余译者: 李忠伟, 任明明, 李鹏

• 305 __ |a 据原书第2版译出

• 306 __ |a 由ELSEVIER LTD.授权

• 320 __ |a 有书目和索引

• 330 __ |a 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。

• 333 __ |a 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。

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 500 10 |a Machine learning : a bayesian and optimization perspective |A Machine Learning : A Bayesian And Optimization Perspective |m Chinese

• 517 1_ |a 贝叶斯和优化方法 |A bei ye si he you hua fang fa

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 西奥多里蒂斯 |A xi ao duo li di si |g (Theodoridis, Sergios) |4 著

• 702 _0 |a 王刚 |A wang gang |4 译

• 702 _0 |a 李忠伟 |A li zhong wei |4 译

• 702 _0 |a 任明明 |A ren ming ming |4 译

• 801 _0 |a CN |b 江苏新华 |c 20211124

• 905 __ |a WXCSXY |d TP181/281