模式分析的核方法(英文版)
全新正版 极速发货
￥ 81.63 6.3折 ￥ 129 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者约翰·肖·泰勒
出版社世界图书出版公司
ISBN9787519277024
出版时间2020-09
装帧平装
开本16开
定价129元
货号30999671
上书时间2024-05-30
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
约翰·肖·泰勒（John Shawe-Taylor）目前是英国伦敦大学学院联合国教科文组织人工智能讲席教授，并担任计算机科学系系主任和计算统计和机器学习中心主任。他还协调组织了多个机器学习欧洲联合研究项目，比如NeuroCOLT（“神经计算学习”）项目和PASCAL（“模式分析、统计建模与计算学习”）项目。内洛·克里斯蒂安尼尼（Nello Cristianini）目前是英国布里斯托尔大学计算机科学系的人工智能教授。他获得过英国皇家学会沃尔夫森杰出研究成就奖和欧洲研究理事会高阶研究基金奖。2014年他被汤森路透列入2002至2012十年间拥有影响力的科学家名单，2016年被AMiner列入机器学习领域拥有影响力的百位研究者名单。
目录
List of code fragments
Preface
Part Ⅰ Basic concepts
1 Pattern analysis
1.1 Patterns in data
1.2 Pattern analysis algorithms
1.3 Exploiting patterns
1.4 Summary
1.5 Further reading and advanced topics
2 Kernel methods: an overview
2.1 The overall picture
2.2 Linear regression in a feature space
2.3 Other examples
2.4 The modularity of kernel methods
2.5 Roadmap of the book
2.6 Summary
2.7 Further reading and advanced topics
3 Properties of kernels
3.1 Inner products and positive semi-definite matrices
3.2 Characterisation of kernels
3.3 The kernel matrix
3.4 Kernel construction
3.5 Summary
3.6 Further reading and advanced topics
4 Detecting stable patterns
4.1 Concentration inequalities
4.2 Capacity and regularisation: Rademacher theory
4.3 Pattern stability for kernel-based classes
4.4 A pragmatic approach
4.5 Summary
4.6 Further reading and advanced topics
Part Ⅱ Pattern analysis algorithms
5 Elementary algorithms in feature space
5.1 Means and distances
5.2 Computing projections: Gram-Schmidt, QR and Cholesky
5.3 Measuring the spread of the data
5.4 Fisher discriminant analysis Ⅰ
5.5 Summary
5.6 Further reading and advanced topics
6 Pattern analysis using eigen-decompositions
6.1 Singular value decomposition
6.2 Principal components analysis
6.3 Directions of maximum covariance
6.4 The generalised eigenvector problem
6.5 Canonical correlation analysis
6.6 Fisher discriminant analysis Ⅱ
6.7 Methods for linear regression
6.8 Summary
6.9 Further reading and advanced topics
7 Pattern analysis using convex Optimisation
内容摘要
模式分析是从一批数据中寻找普遍关系的过程。它逐渐成为许多学科的核心，从生物信息学到文档检索都有广泛需求。本书所描述的核方法为所有这些学科提供了一个有力的和统一的框架，推动了可以用于各种普遍形式的数据（如字符串、向量、文本等）的各种算法的发展，并可以用于寻找各种普遍的关系类型（如排序、
分类、回归和聚类等）。书中提供了大量算法、核函数和具体解决方案供各种实际问题选择使用。书中描述了各种核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数（如
HMM）到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。本书适用于所有从事人工智能、模式识别、机器学习、神经网络及其应用的学生
、教师和研究人员，也可供相关领域的科研人员参考。
主编推荐
·本书既提供了大量的实用算法帮助应用者解决各种领域的实际问题，又是一本供学生和科研人员初学模式分析中核方法的入门导论。·两位英国科学家作者是靠前上极富盛名的人工智能专家。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价