【全新正版】 机器学习基础教程/高等学校人工智能教育丛书
全新正版图书，支持七天退换，可开具电子发票。
￥ 17.95 5.1折 ￥ 35 全新
库存4件
上海黄浦
认证卖家担保交易快速发货售后保障
作者编者:姚舜才//孙传猛|责编:宁晓蓉
出版社西安电子科大
ISBN9787560655512
出版时间2020-03
装帧其他
开本其他
定价35元
货号30877092
上书时间2024-06-23
商品详情
- 品相描述：全新
- 商品描述
-
目录
第一章 绪论
1.1 机器学习发展简史与概况
1.2 机器学习的研究与应用现状
1.3 机器学习的相关问题
1.4 机器学习的发展前景
第二章 机器学习的数学基础
2.1 线性代数与矩阵分析基础
2.1.1 线性空间基础
2.1.2 范数
2.1.3 矩阵运算及其分解
2.2 概率与统计基础
2.2.1 概率分布
2.2.2 数字特征
2.2.3 估计理论基础
2.2.4 贝叶斯理论基础
2.3 优化理论基础
2.3.1 无约束最优化
2.3.2 带有约束条件的最优化
复习思考题
第三章 机器学习基本知识
3.1 机器学习的建模问题
3.1.1 线性拟合(回归)及建模问题
3.1.2 非线性拟合(回归)及建模问题
3.2 机器学习模式概述
3.2.1 有监督学习模式
3.2.2 无监督学习模式
复习思考题
第四章 神经网络学习算法
4.1 神经网络概述
4.2 典型前馈型神经网络
4.2.1 前馈型(BP)神经网络基本运行模式
4.2.2 前馈型(BP)神经网络的相关问题
4.3 典型反馈型神经网络
4.3.1 反馈型神经网络基本运行模式
4.3.2 反馈型神经网络的相关问题
4.4 其他典型神经网络
4.4.1 径向基神经网络
4.4.2 自组织竞争神经网络
4.4.3 小脑模型神经网络
4.4.4 卷积神经网络
复习思考题
第五章 分类与聚类学习算法
5.1 分类学习算法
5.1.1 线性分类算法
5.1.2 非线性分类算法
5.1.3 核方法与支持向量机
5.2 聚类学习算法
5.2.1 K均值聚类算法
5.2.2 其他聚类算法
复习思考题
内容摘要
本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括：机器学习所涉及的必要的数学知识，机器学习的基本模式和任务，神经网络的基本理论及算法结构，分类与聚类学习算法，数据维度归约的基本方法，图理论及方法以及当前比较流行的机器学习理论和算法。本书在加深学生对经典机器学习方法理解的基础上适当扩展其视野，以培养和提高其解决实际问题的能力。
本书可作为高等学校人工智能相关专业的教材，也适合该领域的工程技术人员参考使用。
— 没有更多了 —
以下为对购买帮助不大的评价