生物信息學：機器學習方法

定　價：￥45.00

作　者：	（法）皮埃爾·巴爾迪（Pierre Baldi），（丹）索恩·布魯納克（Soren Brunak）著；張東暉[等]譯
出版社：	中信出版社
叢編項：
標　簽：	醫(yī)用生物學

購買這本書可以去

ISBN：	9787800737084	出版時間：	2003-07-01	包裝：	膠版紙
開本：	24cm	頁數(shù)：	405	字數(shù)：

內容簡介

　　內容簡介：　本書介紹了機器學習方法的主要內容及其在生物學數(shù)據(jù)處理中的應用。其中對機器學習技術的理論基礎——貝葉斯概率體系進行了詳細介紹，并在此基礎上著重對神經(jīng)網(wǎng)絡、陰馬氏模型以及概率圖模型等方法在生物信息學中的應用作了詳細分析。書中特別列出一章介紹了DNA微陣列和基因表達，以及相關數(shù)據(jù)的分析方法。本書主要針對兩個讀者群體。一是生物學和生物化學研究人員，他們想了解基于數(shù)據(jù)處理的算法；二是物理、數(shù)學、統(tǒng)計、計算機科學等領域的學者，他們想知道機器學習算法在分子生物學研究中的應用。

作者簡介

　　皮埃爾·巴爾迪是美國加州大學醫(yī)學院信和計算機科學系教授、生物化學系教授，基因組學和生物信息學研究所所長。索恩·布魯納克，是丹麥理工大學生物系教授，生物序列分析中心主任。

圖書目錄

第一章概述
第二章機器學習的基礎：概率理論體系
第三章概率建模和推斷：應用舉例
第四章機器學習算法
第五章神經(jīng)網(wǎng)絡：理論
第六章神經(jīng)網(wǎng)絡：應用
第七章隱馬氏模型：理論
第八章隱馬氏模型：應用
第九章生物信息學中的概率圖模型
第十章進化的概率模型：系統(tǒng)進化樹
第十一章隨機文法和語言學
第十二章微陣列和基因表達
第十三章互聯(lián)網(wǎng)資源和公共數(shù)據(jù)庫
附錄A 統(tǒng)計學
附錄B 信息論、熵和相對熵
附錄C 概率圖模型
附錄D HMM的相關技術：標定、周期構架、狀態(tài)函數(shù)和Dirichlet混合模型
附錄E 高斯過程、核方法及支持向量機
附錄F 公式和縮寫符號
參考文獻
基本詞匯英漢對照表