-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能科學與技術叢書機器學習:基于約束的方法 版權信息
- ISBN:9787111660002
- 條形碼:9787111660002 ; 978-7-111-66000-2
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
智能科學與技術叢書機器學習:基于約束的方法 本書特色
采用約束的概念,將當前常見的機器學習方法真正融入統一的視角,同時結合在AI社區中占主導地位的邏輯形式主義的力量。 深入探討無監督學習和半監督學習,重點是當前的兩項研究熱點——神經網絡和核方法,對于深度學習的討論尤其值得一讀。 配有大量練習及答案,并根據Donald Knuth的難度排名進行分級,通過問題幫助讀者理解知識,而不僅僅是提供“烹飪菜譜”。
智能科學與技術叢書機器學習:基于約束的方法 內容簡介
本書從全新的視角詮釋了機器學習的基本模型和算法,重點討論了當前的兩項研究熱點——神經網絡和核方法。全書緊緊圍繞從環境約束中學習的概念,將符號知識庫作為約束集合,通過采用多值邏輯形式的思想,實現了約束方法與機器學習的深度融合。特別是對深度學習的講解,很好地呈現了本書中所遵循的基于約束的方法。此外,本書還提供不同難度等級的練習及參考答案,適合高等院校計算機相關專業的學生參考,也適合業界研究人員和技術人員閱讀。
智能科學與技術叢書機器學習:基于約束的方法 目錄
譯者序
前言
練習說明
第1章整體情況
11為什么機器需要學習
111學習任務
112環境的符號和子符號表示
113生物和人工神經網絡
114學習的協議
115基于約束的學習
12原則和實踐
121歸納的令人困惑的本質
122學習原則
123時間在學習過程中的作用
124注意力機制的聚焦
13實踐經驗
131度量實驗的成功
132手寫字符識別
133建立機器學習實驗
134試驗和實驗備注
14機器學習面臨的挑戰
141學習觀察
142語言理解
143生活在自己環境中的代理
15注釋
第2章學習原則
21環境約束
211損失函數與風險函數
212約束引發的風險函數的病態
213風險*小化
214偏差——方差困境
22統計學習
221*大似然估計
222貝葉斯推理
223貝葉斯學習
224圖形模式
225頻率論和貝葉斯方法
23基于信息的學習
231一個啟發性的示例
232*大熵原理
233*大相互信息
24簡約原則下的學習
241簡約原則
242*小描述長度
243MDL與正則化
244正則化的統計解釋
25注釋
第3章線性閾值機
31線性機
311正規方程
312待定問題和廣義逆
313嶺回歸
314原始表示和對偶表示
32包含閾值單元的線性機
321謂詞階數和表示性問題
322線性可分示例的*優性
323無法分離的線性可分
33統計視圖
331貝葉斯決策和線性判別分析
332邏輯回歸
333符合貝葉斯決策的獨立原則
334統計框架中的LMS
34算法問題
341梯度下降
342隨機梯度下降
343感知機算法
344復雜性問題
35注釋
第4章核方法
41特征空間
411多項式預處理
412布爾富集
413不變的特征匹配
414高維空間中的線性可分性
42*大邊際問題
421線性可分下的分類
422處理軟約束問題
423回歸
43核函數
431相似性與核技巧
432內核表征
433再生核映射
434內核類型
44正則化
441正則化的風險
442在RKHS上的正則化
443*小化正則化風險
444正則化算子
45注釋
第5章深層結構
51結構性問題
511有向圖及前饋神經網絡
512深層路徑
513從深層結構到松弛結構
514分類器、回歸器和自動編碼器
52布爾函數的實現
521“與或”門的典型實現
522通用的“與非”實現
523淺層與深層實現
524基于LTU的實現和復雜性問題
53實值函數實現
531基于幾何的計算實現
532通用近似
533解空間及分離表面
534深層網絡和表征問題
54卷積網絡
541內核、卷積和感受野
542合并不變性
543深度卷積網絡
55前饋神經網絡上的學習
551監督學習
552反向傳播
553符號微分以及自動求導法則
554正則化問題
56復雜度問題
561關于局部*小值的問題
562面臨飽和
563復雜性與數值問題
57注釋
第6章約束下的學習與推理
61約束機
611學習和推理
612約束環境的統一視圖
613學習任務的函數表示
614約束下的推理
62環境中的邏輯約束
621形式邏輯與推理的復雜度
622含符號和子符號的環境
623t范數
624ukasiewicz命題邏輯
63擴散機
631數據模型
632時空環境中的擴散
633循環神經網絡
64算法問題
641基于內容的逐點約束
642輸入空間中的命題約束
643線性約束的監督學習
644擴散約束下的學習
65終身學習代理
651認知行為及時間流動
652能量平衡
653焦點關注、教學及主動學習
654發展學習
66注釋
第7章結語
第8章練習答案
附錄A有限維的約束優化
附錄B正則算子
附錄C變分計算
附錄D符號索引
智能科學與技術叢書機器學習:基于約束的方法 作者簡介
馬可·戈里(Marco Gori) 意大利錫耶納大學教授,專注于人工智能領域,特別是機器學習和游戲。他是IEEE計算智能協會意大利分會主席,意大利人工智能協會主席。此外,他還是Web Dragons: Inside the Myths of Search Engine Technology一書的作者。---譯者簡介---謝寧 電子科技大學計算機科學與工程學院副教授,四川省特聘專家。研究興趣包括統計機器學習、計算機圖形學,研究領域包括強化學習、行為智能、游戲智能、藝術化繪制等。
- >
推拿
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
有舍有得是人生
- >
二體千字文
- >
李白與唐代文化
- >
隨園食單
- >
莉莉和章魚
- >
山海經