消息首页搜索举报

机器学习：基于约束的方法 [意大利]马可·戈里（Marco Gori） 9787111660002

9787111660002

135.89 全新

库存199件

广东广州

认证卖家担保交易快速发货售后保障

作者马可·戈里(Marco Gori)

出版社机械工业出版社

ISBN9787111660002

出版时间2020-07

装帧平装

开本16开

货号625728397467

上书时间2024-03-10

橙微书屋

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 32小时
好评率暂无

最新上架

老饕续笔 ¥32.87

同级生 ¥34.30

现在是女生时代3 女生都是小怪物淑女文学馆女生时代系列意林小小姐编辑青春校园言情新书籍 ¥33.55

奈保尔家书一本父子书信集 *是一部家庭教育的经典做个令人忌妒的好父亲 ¥55.25

我是扬州人(朱自清散文中学生读本)/全国语文特级教师推荐书系 ¥25.20

每个人都有泪流满面的秘密/青年文摘彩虹书系 ¥30.94

抗日战争(*卷1937年7月-1938年8月)/王树增战争系列 ¥62.17

中国当代文学经典必读(1989中篇小说卷) ¥31.90

伊索寓言中国画报出版社精装插图典藏版 ¥30.10

商品详情

品相描述：全新

商品描述: 基本信息   商品名称：机器学习：基于约束的方法   作     者： [意大利]马可·戈里（Marco Gori）   市场价：119.00元   ISBN  号：9787111660002   出版日期：2020-07   页     数：365   字     数：350千字   出版社：机械工业出版社
      目录     译者序   前言   练习说明   第1章整体情况   11为什么机器需要学习   111学习任务   112环境的符号和子符号表示   113生物和人工神经网络   114学习的协议   115基于约束的学习   12原则和实践   121归纳的令人困惑的本质   122学习原则   123时间在学习过程中的作用   124注意力机制的聚焦   13实践经验   131度量实验的成功   132手写字符识别   133建立机器学习实验   134试验和实验备注   14机器学习面临的挑战   141学习观察   142语言理解   143生活在自己环境中的代理   15注释   第2章学习原则   21环境约束   211损失函数与风险函数   212约束引发的风险函数的病态   213风险最小化   214偏差——方差困境   22统计学习   221最大似然估计   222贝叶斯推理   223贝叶斯学习   224图形模式   225频率论和贝叶斯方法   23基于信息的学习   231一个启发性的示例   232最大熵原理   233最大相互信息   24简约原则下的学习   241简约原则   242最小描述长度   243MDL与正则化   244正则化的统计解释   25注释   第3章线性阈值机   31线性机   311正规方程   312待定问题和广义逆   313岭回归   314原始表示和对偶表示   32包含阈值单元的线性机   321谓词阶数和表示性问题   322线性可分示例的最优性   323无法分离的线性可分   33统计视图   331贝叶斯决策和线性判别分析   332逻辑回归   333符合贝叶斯决策的独立原则   334统计框架中的LMS   34算法问题   341梯度下降   342随机梯度下降   343感知机算法   344复杂性问题   35注释   第4章核方法   41特征空间   411多项式预处理   412布尔富集   413不变的特征匹配   414高维空间中的线性可分性   42最大边际问题   421线性可分下的分类   422处理软约束问题   423回归   43核函数   431相似性与核技巧   432内核表征   433再生核映射   434内核类型   44正则化   441正则化的风险   442在RKHS上的正则化   443最小化正则化风险   444正则化算子   45注释   第5章深层结构   51结构性问题   511有向图及前馈神经网络   512深层路径   513从深层结构到松弛结构   514分类器、回归器和自动编码器   52布尔函数的实现   521“与或”门的典型实现   522通用的“与非”实现   523浅层与深层实现   524基于LTU的实现和复杂性问题   53实值函数实现   531基于几何的计算实现   532通用近似   533解空间及分离表面   534深层网络和表征问题   54卷积网络   541内核、卷积和感受野   542合并不变性   543深度卷积网络   55前馈神经网络上的学习   551监督学习   552反向传播   553符号微分以及自动求导法则   554正则化问题   56复杂度问题   561关于局部最小值的问题   562面临饱和   563复杂性与数值问题   57注释   第6章约束下的学习与推理   61约束机   611学习和推理   612约束环境的统一视图   613学习任务的函数表示   614约束下的推理   62环境中的逻辑约束   621形式逻辑与推理的复杂度   622含符号和子符号的环境   623t范数   624ukasiewicz命题逻辑   63扩散机   631数据模型   632时空环境中的扩散   633循环神经网络   64算法问题   641基于内容的逐点约束   642输入空间中的命题约束   643线性约束的监督学习   644扩散约束下的学习   65终身学习代理   651认知行为及时间流动   652能量平衡   653焦点关注、教学及主动学习   654发展学习   66注释   第7章结语   第8章练习答案   附录A有限维的约束优化   附录B正则算子   附录C变分计算   附录D符号索引   参考文献（在线）   可以访问华章图书官网http:www.hzbook.com，通过注册并登录个人账号下载。——编辑注
      内容简介   本书从全新的视角诠释了机器学习的基本模型和算法，重点讨论了当前的两项研究热点——神经网络和核方法。全书紧紧围绕从环境约束中学习的概念，将符号知识库作为约束集合，通过采用多值逻辑形式的思想，实现了约束方法与机器学习的深度融合。特别是对深度学习的讲解，很好地呈现了本书中所遵循的基于约束的方法。此外，本书还提供不同难度等级的练习及参考答案，适合高等院校计算机相关专业的学生参考，也适合业界研究人员和技术人员阅读。   '

— 没有更多了 —