消息首页搜索举报

大数据中极端问题的人工智能解决方案

全新正版极速发货

19.95 4.1折 49 全新

库存3件

广东广州

认证卖家担保交易快速发货售后保障

作者张军英|责编:雷鸿俊

出版社西安电子科大

ISBN9787560670928

出版时间2024-02

装帧其他

开本其他

定价49元

货号31977221

上书时间2024-08-11

书香美美

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 16小时
好评率暂无

最新上架

别在能吃苦的时候选择安逸/青年文摘彩虹书系 ¥7.86

真干净(3-6岁)/亲亲科学图书馆 ¥1.98

词坛耆硕(唐圭璋)/随园大家丛书 ¥9.23

中国画/幼儿园美术教育活动资源库 ¥13.91

锦鸡工笔画法 ¥7.86

孙悟空和我的爷爷 ¥7.86

山西文化记忆-大地上的遗珍 ¥29.99

童话数学:儿童数学启蒙图画书-罗塔小姐的烦恼 ¥1.94

童话数学:儿童数学启蒙图画书-动物运动会 ¥1.94

商品详情

品相描述：全新

商品描述: 目录
CHAPTER 1  Basics of Machine Learning
  1.1  Problem statement and solution framework
  1.2  Supervised learning
    1.2.1  MLP
    1.2.2  CNN
    1.2.3  RBF network
    1.2.4  SVM
    1.2.5  Comments
  1.3  Unsupervised learning
    1.3.1  K-means
    1.3.2  Self-organizing map
    1.3.3  Comments
  1.4  Representation learning
    1.4.1  PCA
    1.4.2  LDA
    1.4.3  ICA
    1.4.4  NMF
    1.4.5  Comments
  References
CHAPTER 2  Solving Multi-class Problems by Data-driven Topology-preservingOutput Codes
  2.1  Think: Is complexity important?
  2.2  Topology-preserving output code scheme
    2.2.1  A first-place description
    2.2.2  Definition of a TPOC map
    2.2.3  TOP map learned from SOM
    2.2.4  Learning algorithm for a TPOC map
    2.2.5  An octa-phase-shift-keying (8-PSK) pattern example
  2.3  Experimental results
    2.3.1  Comparison of TPOC with DECOC
    2.3.2  Comparison of TPOC with OAA
    2.3.3  Comparison of TPOC with random code and natural code
    2.3.4  Comparison of TPOC with q-TPOC scheme and ECOC scheme
    2.3.5  Comparison of TPOC schemes with and without adaptive assignment of classifier complexity
    2.3.6  Measured radar data classification with multiple SVM
  2.4  Discussions
    2.4.1  Advantages of TPOC over ECOC
    2.4.2  Relation of TPOC to other related approaches
  2.5  Summary
  Appendix  Coding classes from a TPOC map
    Appendix 1  k-ary coding scheme: Using k-ary classifiers
    Appendix 2  Binary coding scheme: Using binary classifiers
  References
CHAPTER 3  Robust Data Clustering by Learning Multi-metric Lq-norm Distances
  3.1  Why distance measure is important?
  3.2  Motivation for robust multi-metric clustering
  3.3  Robust location estimation
    3.3.1  RMML algorithm
    3.3.2  Objective function
    3.3.3  Non-Gaussianity measure of a mapped cluster
  3.4  Robust outlier detection: ICSC algorithm

内容摘要
机器学习作为人工智能最重要的技术和工具，已成功应用于解决各种复杂问题。本书在简略介绍机器学习的基本方法与算法的基础上，通过搜集典型复杂问题的人工智能解决方案，诸如手写数字识别、雷达自动目标识别、癌症诊断、超强噪声污染情况下的图像过滤、基因芯片异质性校正、孕妇子痫前期风险预测，以及一些典型的组合优化问题，如多约束最短路径问题和旅行商问题等，考察如何运用机器学习技术，创造解决复杂问题的有效方法和算法，并通过这些案例窥视出人工智能技术的巨大优势和其面临的极其严峻的挑战。
本书可作为本科生、研究生和博士生学习机器学习相关课程的教材，也可供高校计算机科学、人工智能、
自动化等专业技术人员，以及对机器学习、人工智能感
兴趣的研究人员和工程师参
考。

— 没有更多了 —

大数据中极端问题的人工智能解决方案

书香美美

商品详情

相关推荐