機器學習原理與應用

定　價：￥79.00

作　者：	杜世強
出版社：	中國科學技術(shù)大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥55.30)

ISBN：	9787523601860	出版時間：	2023-04-01	包裝：	平裝
開本：		頁數(shù)：	198	字數(shù)：

內(nèi)容簡介

　　機器學習（Machine Learning，ML）是人工智能的一個分支，它是一門多領(lǐng)域交叉學科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。機器學習方法可以根據(jù)經(jīng)驗數(shù)據(jù)自動完成模型參數(shù)學習，而不需要人為設(shè)定規(guī)則，大幅降低了人工分析的工作量和難度，已成為目前解決人工智能相關(guān)問題的主要方式。

作者簡介

　　杜世強，男，漢族，博士，1981年2月生，西北民族大學數(shù)學與計算機科學學院副教授，數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)負責人，碩士生導師，自然基金面上項目函評專家，IEEE會員、中國計算機學會會員、中國圖像圖形學會會員，IEEE？Transactions？on？Cybernetics（SCI？1區(qū)）、IEEE？Access（SCI？2區(qū)）等多個外期刊審稿人。2014.09-2017.06就讀于蘭州大學信息科學與工程學院并獲理學博士學位。曾于2013年訪問美國猶他州立大學、2019-2020年訪問意大利摩德納雷焦艾米利亞大學，研究方向為機器學習、圖像處理與神經(jīng)網(wǎng)絡。近幾年來，研究成果發(fā)表于《Knowledge-Based？Systems》（SCI？1區(qū)）、《Neurocomputing》（SCI？2區(qū)）、《吉林大學學報》和《山東大學學報》等外學術(shù)刊物共計30多篇，其中一作SCI？1區(qū)論文1篇、SCI？2區(qū)論文4篇。

圖書目錄

章緒論
1.1 人工智能
1.2 機器學習
1.3 深度學習
1.4 Pytorch簡介
第2 章回歸分析
2.1 引言
2.2 回歸分析
2.3 本章小結(jié)
2.4 習題
第3 章決策樹
3.1 引言
3.2 案例
3.3 決策樹
3.4 案例求解
3.5 本章小結(jié)
3.6 習題
第4 章貝葉斯分類器
4.1 引言
4.2 案例
4.3 理論介紹
4.4 案例求解
4.5 本章小結(jié)
4.6 習題
第5 章人工神經(jīng)網(wǎng)絡
5.1 引言
5.2 案例
5.3 多層感知機
5.4 案例求解
5.5 本章小結(jié)
5.6 習題
第6章支持向量機
6.1 引言
6.2 支持向量機
6.3 案例求解
6.4 本章小結(jié)
6.5 習題
第7 章聚類
7.1 引言
7.2 聚類任務
7.3 性能度量
7.4 原型聚類
7.5 層次聚類
7.6 習題
第8 章降維
8.1 引言
8.2 案例
8.3 主成分分析
8.4 線性判別分析
8.5 案例求解
8.6 本章小結(jié)
8.7 習題
第9 章深度卷積網(wǎng)絡
9.1 引言
9.2 案例
9.3 圖像分類模型
9.4 案例求解
9.5 本章小結(jié)
9.6 習題
0章生成對抗網(wǎng)絡
10.1 引言
10.2 生成對抗網(wǎng)絡原理
10.3 損失函數(shù)
10.4 案例分析
10.5 本章小結(jié)
10.6 習題
1章對比學習
11.1 引言
11.2 問題
11.3 對比學習
11.4 案例求解
11.5 本章小結(jié)
11.6 習題
2章強化學習
12.1 引言
12.2 案例
12.3 強化學習
12.4 案例求解
12.5 本章小結(jié)
12.6 習題
參考答案
附錄一矩陣相關(guān)知識
附錄二概率論相關(guān)知識
參考文獻