神经网络与机器学习
￥ 15.8 2.0折 ￥ 79 九五品
仅1件
作者[加] Simon Haykin, 申富饶,等
出版社机械工业出版社
ISBN9787111324133
出版时间2011-03
版次1
装帧平装
开本16开
纸张胶版纸
页数572页
定价79元
上书时间2024-12-06
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:神经网络与机器学习
定价：79.00元
作者:[加] Simon Haykin, 申富饶,等
出版社：机械工业出版社
出版日期：2011-03-01
ISBN：9787111324133
字数：
页码：572
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
更多精彩好书推荐，请点击以下图片查看：
内容提要
目录
出版者的话译者序前言缩写和符号术语第0章 导言0.1 什么是神经网络0.2 人类大脑0.3 神经元模型0.4 被看作有向图的神经网络0.5 反馈0.6 网络结构0.7 知识表示0.8 学习过程0.9 学习任务0.10 结束语注释和参考文献章 Rosenblatt感知器1.1 引言1.2 感知器1.3 感知器收敛定理1.4 高斯环境下感知器与贝叶斯分类器的关系1.5 计算机实验：模式分类1.6 批量感知器算法1.7 小结和讨论注释和参考文献习题第2章 通过回归建立模型2.1 引言2.2 线性回归模型：初步考虑2.3 参数向量的后验估计2.4 正则二乘估计和MAP估计之间的关系2.5 计算机实验：模式分类2.6 描述长度原则2.7 固定样本大小考虑2.8 工具变量方法2.9 小结和讨论注释和参考文献习题55第3章 均方算法3.1 引言3.2 LMS算法的滤波结构3.3 无约束化：回顾3.4 维纳滤波器3.5 均方算法3.6 用马尔可夫模型来描画LMS算法和维纳滤波器的偏差3.7 朗之万方程：布朗运动的特点3.8 Kushner直接平均法3.9 小学习率参数下统计LMS学习理论3.10 计算机实验Ⅰ：线性预测3.11 计算机实验Ⅱ：模式分类3.12 LMS算法的优点和局限3.13 学习率退火方案3.14 小结和讨论注释和参考文献习题第4章 多层感知器4.1 引言4.2 一些预备知识4.3 批量学习和在线学习4.4 反向传播算法4.5 异或问题4.6 改善反向传播算法性能的试探法4.7 计算机实验：模式分类4.8 反向传播和微分4.9 Hessian矩阵及其在在线学习中的规则4.10 学习率的退火和自适应控制4.11 泛化4.12 函数逼近4.13 交叉验证4.14 复杂度正则化和网络修剪4.15 反向传播学习的优点和局限4.16 作为化问题看待的监督学习4.17 卷积网络4.18 非线性滤波4.19 小规模和大规模学习问题4.20 小结和讨论注释和参考文献习题第5章 核方法和径向基函数网络5.1 引言5.2 模式可分性的Cover定理5.3 插值问题5.4 径向基函数网络5.5 K-均值聚类5.6 权向量的递归二乘估计5.7 RBF网络的混合学习过程5.8 计算机实验：模式分类5.9 高斯隐藏单元的解释5.10 核回归及其与RBF网络的关系5.11 小结和讨论注释和参考文献习题第6章 支持向量机第7章 正则化理论第8章 主分量分析第9章 自组织映射0章 信息论学习模型1章 植根于统计力学的随机方法2章 动态规划3章 神经动力学4章 动态系统状态估计的贝叶斯滤波5章 动态驱动递归网络参考文献
作者介绍
Simon Haykin， 于1953年获得英国伯明翰大学博士学位，目前为加拿大McMaster大学电子与计算机工程系教授、通信研究实验室主任。他是国际电子电气工程界的学者，曾获得IEEE McNaughton金奖。他是加拿大皇家学会院士、IEEE会士，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多部标准教材。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价