机器学与视觉感知(第2版) 人工智能 张宝昌,杨万扣,林娜娜 编
系统地讲解了机器学的主要内容以及视觉感知的相关知识，在传统理论的基础上加入了前沿的研究成果。
￥ 32.45 6.6折 ￥ 49 全新
库存6件
作者张宝昌,杨万扣,林娜娜 编
出版社清华大学出版社
ISBN9787302561859
出版时间2020-09
版次2
装帧平装
开本16
页数136页
字数196千字
定价49元
货号xhwx_1202133704
上书时间2024-10-27
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
本书从易于学的角度逐步讲解了诸如决策树学、贝叶斯学、支持向量机、压缩感知、调制压缩神经网络以及深度学等知识，书中加入了大量的例子来实现算法，使得读者可以在学示例的基础上去学算法和理论。本书把新的机器学领域的成果进行了介绍，对作者多年来的研究成果也进行了结。由于作者在人脸识别、铁路图像检测方面进行了多年的研究，该书对于该领域的研究人员具有的启发作用。
目录：
章机器学的发展史
引言
1．1机器学
1．1．1基本简介
1．1．2机器学的定义和研究意义
1．1．3机器学的发展史
1．1．4机器学的主要策略
1．1．5机器学系统的基本结构
1．1．6机器学的分类
1．1．7目前研究领域
1．2统计模式识别问题
1．2．1机器学问题的表示
1．2．2经验风险小化
1．2．3复杂与推广能力
1．3统计学理论的核心内容
1．3．1学过程一致的条件
1．3．2推广的界
1．3．3结构风险小化
小结
第2章pac模型
引言
2．1基本的pac模型
2．1．1pac简介
2．1．2基本概念
2．1．3问题框架
2．2pac模型样本复杂度分析
2．2．1有限空间样本复杂度
2．2．2无限空间样本复杂度
小结
第3章决策树学
引言
3．1决策树学概述
3．1．1决策树
3．1．2质
3．1．3应用
3．1．4学
3．2决策树设计
3．2．1决策树的特点
3．2．2决策树的生成
小结
第4章贝叶斯学
引言
4．1贝叶斯学
4．1．1贝叶斯公式
4．1．2小误差决策
4．1．3正态密度
4．1．4大似然估计
4．2朴素贝叶斯及应用
4．2．1贝叶斯佳设
4．2．2naivebayes分类
4．2．3基于naivebayes的文本分类器
4．3hmm（隐马氏模型）及应用
4．3．1马尔科夫
4．3．2马尔科夫链
4．3．3转移概率矩阵
4．3．4hmm（隐马尔科夫模型）及应用
小结
第5章支持向量机
引言
5．1支持向量机
5．2支持向量机的核函数选择
5．3支持向量机的实例
5．4多类支持向量机
小结
第6章adaboost
第7章压缩感知
第8章子空间
第9章深度学与神经网络
0章调制卷积神经网络（m）
1章强化学
参文献
内容简介：
本书旨在通过对机器学主要和方法的介绍，并且结合作者多年来在视觉感知方面的研究成果，对于其他书籍未涉及的一些前沿研究进行补充阐述。本书面向有数学基础的模式识别专业的本科生和，以及有志于钻研模式识别相关领域，包括机器学和视觉感知等方向的读者，通过对于基础理论循序渐进、深人浅出的讲解，帮助读者更快速地掌握机器学的基本方法，在此基础上每章的内容由易到难，读者可以根据自己的掌握程度以及兴趣，选择特定的方向进行更深人的学。
作者简介：
张宝昌， 北京航空航天大学自动化学院长聘副教授，特聘研究员。20012006年，学院，中科院联合实验室(l)2007年提名奖。20062007先后在中文大学、澳大利亚griffith univerity从事研究工作，主要的研究方向为人脸识别、理解、机器学。2008.3，北航自动化学院，主讲“模式识别与机器学”“现代控制导论”“机器学理论与应用”“图像处理系列实验”等课程。自获得博士(2007年)以来发表40余篇，其中ci(ci)检索期刊12篇（其中1篇录用待检索），ei检索16篇，在ci网络版他引次数155次。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价