-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
概率圖模型和深度神經(jīng)網(wǎng)絡 版權(quán)信息
- ISBN:9787563568062
- 條形碼:9787563568062 ; 978-7-5635-6806-2
- 裝幀:簡裝本
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>
概率圖模型和深度神經(jīng)網(wǎng)絡 本書特色
本書講解概率圖模型的基本原理及其在機器學數(shù)據(jù)建模、深度神經(jīng)網(wǎng)絡模型中的應用,并且從概率圖模型的角度講解機器學、深度神經(jīng)網(wǎng)絡模型的概率原理,培養(yǎng)學生“知其然,并知其所以然”的思維方式,解決學生應用建模時于模型選型和調(diào)參的問題。
本書內(nèi)容豐富,將原理與實例相結(jié)合,數(shù)學與代碼相結(jié)合,可作為高等院校的人工智能相關(guān)專業(yè)本科生和研究生課程的教材,也可供相關(guān)領(lǐng)域的科研人員和工程技術(shù)人員參閱。
概率圖模型和深度神經(jīng)網(wǎng)絡 內(nèi)容簡介
本書講解概率圖模型的基本原理,及其在機器學習、大數(shù)據(jù)建模、深度神經(jīng)網(wǎng)絡模型中的應用。并且,本書從概率圖模型的角度講解機器學習算法、深度神經(jīng)網(wǎng)絡模型的概率原理,培養(yǎng)學生“知其然,并知其所以然”的思維方式,解決應用建模時僅局限于模型選型和調(diào)參的問題。
概率圖模型和深度神經(jīng)網(wǎng)絡 目錄
第1章概率圖模型基礎(chǔ)
1.1基本概念
1.2貝葉斯網(wǎng)絡
1.2.1概率基礎(chǔ)
1.2.2圖論基礎(chǔ)
1.2.3有向圖模型的條件獨立性
1.2.4樸素貝葉斯分類器
1.3馬爾可夫隨機場
1.3.1無向圖基礎(chǔ)·
1.3.2無向圖模型的條件獨立性
1.3.3聯(lián)合概率的定義
1.3.4 Ising模型
1.4圖模型的表達能力
第2章機器學
2.1基本概念
2.2機器學建模
2.3機器學求解
2.3.1目標函數(shù)
2.3.2優(yōu)化算法
2.4回歸模型
2.4.1線性回歸·
2.4.2線性回歸的概率圖模型
2.5模型容量和模型選擇
第3章 人工神經(jīng)網(wǎng)絡基礎(chǔ)
3.1神經(jīng)元模型
3.1.1激活函數(shù)
3.1.2大似然估計
3.1.3大后驗估計
3.1.4 全貝葉斯估計
3.2多層前饋神經(jīng)網(wǎng)絡
3.2.1模型表示
3.2.2誤差逆?zhèn)鞑ニ惴?
3.3反饋神經(jīng)網(wǎng)絡
3.4循環(huán)神經(jīng)網(wǎng)絡
3.5門控循環(huán)神經(jīng)網(wǎng)絡
3.6深度神經(jīng)網(wǎng)絡
第4章 大數(shù)據(jù)基礎(chǔ)
4.1基本概念
4.1.1大數(shù)據(jù)源·
4.1.2數(shù)據(jù)的發(fā)展史
4.1.3大數(shù)據(jù)的特點
4.1.4大數(shù)據(jù)應用
4.2數(shù)據(jù)處理
4.2.1數(shù)據(jù)收集
4.2.2數(shù)據(jù)集成
4.2.3數(shù)據(jù)清洗
4.2.4數(shù)據(jù)轉(zhuǎn)換
4.3 數(shù)據(jù)分析·
4.3.1數(shù)據(jù)質(zhì)量分析
4.3.2數(shù)據(jù)特征分析
4.3.3特征選擇與數(shù)據(jù)抽取
4.4自然語言處理技術(shù)基礎(chǔ)·
4.5圖像處理技術(shù)基礎(chǔ)
第2部分概率圖模型應用篇
第5章 高斯混合模型
5.1海量圖像聚類
5.1.1應用分析
5.1.2數(shù)據(jù)分析
5.2應用建模
5.3 模型推斷與學p>
5.3.1模型推斷
5.3.2EM算法
5.3.3模型學p>
第6章隱變量模型
6.1因子分析
6.2概率主成分分析
6.3獨立成分分析
6.3.1應用分析
6.3.2數(shù)據(jù)處理
6.3.3應用建模
6.4稀疏編碼與壓縮感知
第7章 主題模型·
7.1熱點話題檢測
7.1.1應用分析
7.1.2數(shù)據(jù)處理
7.2應用建模
7.2.1潛在語義分析
7.2.2概率潛在語義分析
7.2.3 LDA
7.3LDA主題模型的學斷
第8章張量分解模型
8.1概率矩陣分解
8.1應用分析
8.1.2矩陣分解
8.1.3概率矩陣分解模型
8.1.4模型學
8.2張量分解
8.2.1基本概念
8.2.2帶缺失值的張量分解
8.2.3稀疏張量分解
8.3張量分解的應用
8.3.1圖像補全
8.3.2場景切分
第9章 隱馬爾可夫模型
9.1中文分詞
9.2應用建模
……
19.3音頻生成
附錄1常用的概率分布·
附錄2共軛分布
附錄3矩陣變換基礎(chǔ)
附錄4采樣推斷法
附錄5變分推斷算法
參考文獻
概率圖模型和深度神經(jīng)網(wǎng)絡 作者簡介
劉瑞芳,郵電大學人工智能學院副要研究網(wǎng)絡性能統(tǒng)計推斷、算法分析,主要從事IP網(wǎng)絡性能和網(wǎng)絡應用等方面的研究和開發(fā)工作,參與多項科研項目,在國內(nèi)外重要學術(shù)刊物及會議上發(fā)表學術(shù)論文多篇。
- >
月亮與六便士
- >
推拿
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
小考拉的故事-套裝共3冊
- >
月亮虎
- >
二體千字文
- >
伯納黛特,你要去哪(2021新版)