掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)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(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
機器學(xué)習(xí)算法與案例實戰(zhàn) 版權(quán)信息
- ISBN：9787030771476
- 條形碼：9787030771476 ; 978-7-03-077147-6
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
機器學(xué)習(xí)算法與案例實戰(zhàn) 內(nèi)容簡介
本書分為基礎(chǔ)篇和實踐篇，以人工智能與機器學(xué)習(xí)、機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)、傳統(tǒng)機器學(xué)習(xí)算法和深度學(xué)習(xí)算法為理論基礎(chǔ)，以文字識別、泰坦尼克號沉船幸存者預(yù)測、文本分類、視覺抄表系統(tǒng)和家電語音交互測試系統(tǒng)五個實際案例為實踐對象，采用理論與實踐相結(jié)合的方法介紹機器學(xué)習(xí)算法。其中，實踐篇的案例實戰(zhàn)部分以總體設(shè)計、運行環(huán)境、模塊實現(xiàn)和測試結(jié)果方式進(jìn)行內(nèi)容組織。
本書語言簡潔，深入淺出，通俗易懂，可作為高等院校人工智能、智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)等專業(yè)本科生的學(xué)習(xí)教材，也可作為人工智能愛好者的參考用書，還可作為從事智能應(yīng)用創(chuàng)新開發(fā)專業(yè)人員的技術(shù)參考書。
機器學(xué)習(xí)算法與案例實戰(zhàn) 目錄
基礎(chǔ)篇
第1章 人工智能與機器學(xué)習(xí)
1.1 人工智能發(fā)展歷史
1.2 機器學(xué)習(xí)概述
1.3 深度學(xué)習(xí)概述
1.4 人工智能發(fā)展前景
第2章 機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)
2.1 線性代數(shù)
2.1.1 向量與操作
2.1.2 逆矩陣
2.1.3 范數(shù)
2.1.4 特征分解
2.1.5 奇異值分解
2.1.6 Moore-Penrose偽逆
2.1.7 跡運算
2.2 概率
2.2.1 概率概念
2.2.2 概率特征
2.3 信息論
2.4 數(shù)值計算
第3章 傳統(tǒng)機器學(xué)習(xí)算法
3.1 機器學(xué)習(xí)的任務(wù)
3.2 性能度量
3.2.1 基本方法
3.2.2 擴(kuò)展方法
3.3 線性回歸
3.4 邏輯回歸
3.5 人工神經(jīng)網(wǎng)絡(luò)
3.6 決策樹
3.6.1 生成決策樹的算法
3.6.2 決策樹的剪枝算法
3.6.3 CART模型
3.6.4 CART剪枝
3.7 貝葉斯分類
3.7.1 貝葉斯決策論與極大似然估計
3.7.2 貝葉斯分類器
3.7.3 貝葉斯網(wǎng)
3.8 支持向量機
3.8.1 線性可分支持向量機
3.8.2 線性支持向量機
3.8.3 非線性支持向量機
3.8.4 支持向量機在實際應(yīng)用中的優(yōu)缺點
3.9 集成學(xué)習(xí)
3.9.1 Boosting算法
3.9.2 Bagging算法
3.9.3 隨機森林算法
3.10 構(gòu)建機器學(xué)習(xí)算法
第4章 深度學(xué)習(xí)算法
4.1 深度學(xué)習(xí)的挑戰(zhàn)
4.2 機器學(xué)習(xí)的應(yīng)用
4.2.1 大規(guī)模深度學(xué)習(xí)
4.2.2 計算機視覺
4.2.3 語音識別
4.2.4 自然語言處理
4.2.5 其他應(yīng)用
4.3 深度前饋網(wǎng)絡(luò)
4.3.1 基本概念
4.3.2 發(fā)展歷史
4.3.3 異或函數(shù)學(xué)習(xí)實例
4.3.4 基于梯度的學(xué)習(xí)
4.3.5 隱藏單元
4.3.6 架構(gòu)設(shè)計
4.4 實踐方法
4.4.1 性能度量
4.4.2 默認(rèn)的基準(zhǔn)模型
4.4.3 決定是否收集更多數(shù)據(jù)
4.4.4 選擇超參數(shù)
4.4.5 調(diào)試策略
實踐篇
第5章 文字識別案例
5.1 總體設(shè)計
5.2 運行環(huán)境
5.3 模塊實現(xiàn)
5.3.1 常量定義
5.3.2 圖片數(shù)據(jù)生成
5.3.3 標(biāo)簽向量化（稀疏矩陣）
5.3.4 讀取數(shù)據(jù)
5.3.5 構(gòu)建網(wǎng)絡(luò)
5.3.6 能力封裝
5.4 測試結(jié)果
第6章 泰坦尼克號沉船幸存者預(yù)測案例
6.1 總體設(shè)計
6.2 運行環(huán)境
6.3 模塊實現(xiàn)
6.3.1 數(shù)據(jù)準(zhǔn)備
6.3.2 數(shù)據(jù)預(yù)處理
6.3.3 變量轉(zhuǎn)換
6.3.4 特征工程
6.3.5 模型訓(xùn)練
6.4 測試結(jié)果
6.4.1 繪制學(xué)習(xí)曲線
6.4.2 訓(xùn)練準(zhǔn)確率
第7章 文本分類案例
7.1 總體設(shè)計
7.2 運行環(huán)境
7.3 模塊實現(xiàn)
7.3.1 數(shù)據(jù)準(zhǔn)備
7.3.2 數(shù)據(jù)預(yù)處理
7.3.3 詞云分析
7.4 測試結(jié)果
7.4.1 采用神經(jīng)網(wǎng)絡(luò)實現(xiàn)語料預(yù)測
7.4.2 采用貝葉斯和神經(jīng)網(wǎng)絡(luò)實現(xiàn)語料預(yù)測
第8章 視覺抄表系統(tǒng)案例
8.1 總體設(shè)計
8.1.1 硬件設(shè)計
8.1.2 軟件設(shè)計
8.2 運行環(huán)境
8.3 模塊實現(xiàn)
8.3.1 圖像采集
8.3.2 數(shù)據(jù)集構(gòu)建
8.3.3 模型訓(xùn)練
8.3.4 結(jié)果判定
8.4 測試結(jié)果
第9章 家電語音交互測試系統(tǒng)案例
9.1 總體設(shè)計
9.1.1 硬件設(shè)計
9.1.2 軟件設(shè)計
9.2 運行環(huán)境
9.2.1 硬件環(huán)境
9.2.2 軟件環(huán)境
9.3 模塊實現(xiàn)
9.3.1 語音識別
9.3.2 圖像識別
9.4 測試結(jié)果
參考文獻(xiàn)
第1章 人工智能與機器學(xué)習(xí)
1.1 人工智能發(fā)展歷史
1.2 機器學(xué)習(xí)概述
1.3 深度學(xué)習(xí)概述
1.4 人工智能發(fā)展前景
第2章 機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)
2.1 線性代數(shù)
2.1.1 向量與操作
2.1.2 逆矩陣
2.1.3 范數(shù)
2.1.4 特征分解
2.1.5 奇異值分解
2.1.6 Moore-Penrose偽逆
2.1.7 跡運算
2.2 概率
2.2.1 概率概念
2.2.2 概率特征
2.3 信息論
2.4 數(shù)值計算
第3章 傳統(tǒng)機器學(xué)習(xí)算法
3.1 機器學(xué)習(xí)的任務(wù)
3.2 性能度量
3.2.1 基本方法
3.2.2 擴(kuò)展方法
3.3 線性回歸
3.4 邏輯回歸
3.5 人工神經(jīng)網(wǎng)絡(luò)
3.6 決策樹
3.6.1 生成決策樹的算法
3.6.2 決策樹的剪枝算法
3.6.3 CART模型
3.6.4 CART剪枝
3.7 貝葉斯分類
3.7.1 貝葉斯決策論與極大似然估計
3.7.2 貝葉斯分類器
3.7.3 貝葉斯網(wǎng)
3.8 支持向量機
3.8.1 線性可分支持向量機
3.8.2 線性支持向量機
3.8.3 非線性支持向量機
3.8.4 支持向量機在實際應(yīng)用中的優(yōu)缺點
3.9 集成學(xué)習(xí)
3.9.1 Boosting算法
3.9.2 Bagging算法
3.9.3 隨機森林算法
3.10 構(gòu)建機器學(xué)習(xí)算法
第4章 深度學(xué)習(xí)算法
4.1 深度學(xué)習(xí)的挑戰(zhàn)
4.2 機器學(xué)習(xí)的應(yīng)用
4.2.1 大規(guī)模深度學(xué)習(xí)
4.2.2 計算機視覺
4.2.3 語音識別
4.2.4 自然語言處理
4.2.5 其他應(yīng)用
4.3 深度前饋網(wǎng)絡(luò)
4.3.1 基本概念
4.3.2 發(fā)展歷史
4.3.3 異或函數(shù)學(xué)習(xí)實例
4.3.4 基于梯度的學(xué)習(xí)
4.3.5 隱藏單元
4.3.6 架構(gòu)設(shè)計
4.4 實踐方法
4.4.1 性能度量
4.4.2 默認(rèn)的基準(zhǔn)模型
4.4.3 決定是否收集更多數(shù)據(jù)
4.4.4 選擇超參數(shù)
4.4.5 調(diào)試策略
實踐篇
第5章 文字識別案例
5.1 總體設(shè)計
5.2 運行環(huán)境
5.3 模塊實現(xiàn)
5.3.1 常量定義
5.3.2 圖片數(shù)據(jù)生成
5.3.3 標(biāo)簽向量化（稀疏矩陣）
5.3.4 讀取數(shù)據(jù)
5.3.5 構(gòu)建網(wǎng)絡(luò)
5.3.6 能力封裝
5.4 測試結(jié)果
第6章 泰坦尼克號沉船幸存者預(yù)測案例
6.1 總體設(shè)計
6.2 運行環(huán)境
6.3 模塊實現(xiàn)
6.3.1 數(shù)據(jù)準(zhǔn)備
6.3.2 數(shù)據(jù)預(yù)處理
6.3.3 變量轉(zhuǎn)換
6.3.4 特征工程
6.3.5 模型訓(xùn)練
6.4 測試結(jié)果
6.4.1 繪制學(xué)習(xí)曲線
6.4.2 訓(xùn)練準(zhǔn)確率
第7章 文本分類案例
7.1 總體設(shè)計
7.2 運行環(huán)境
7.3 模塊實現(xiàn)
7.3.1 數(shù)據(jù)準(zhǔn)備
7.3.2 數(shù)據(jù)預(yù)處理
7.3.3 詞云分析
7.4 測試結(jié)果
7.4.1 采用神經(jīng)網(wǎng)絡(luò)實現(xiàn)語料預(yù)測
7.4.2 采用貝葉斯和神經(jīng)網(wǎng)絡(luò)實現(xiàn)語料預(yù)測
第8章 視覺抄表系統(tǒng)案例
8.1 總體設(shè)計
8.1.1 硬件設(shè)計
8.1.2 軟件設(shè)計
8.2 運行環(huán)境
8.3 模塊實現(xiàn)
8.3.1 圖像采集
8.3.2 數(shù)據(jù)集構(gòu)建
8.3.3 模型訓(xùn)練
8.3.4 結(jié)果判定
8.4 測試結(jié)果
第9章 家電語音交互測試系統(tǒng)案例
9.1 總體設(shè)計
9.1.1 硬件設(shè)計
9.1.2 軟件設(shè)計
9.2 運行環(huán)境
9.2.1 硬件環(huán)境
9.2.2 軟件環(huán)境
9.3 模塊實現(xiàn)
9.3.1 語音識別
9.3.2 圖像識別
9.4 測試結(jié)果
參考文獻(xiàn)
展開全部
機器學(xué)習(xí)算法與案例實戰(zhàn) 作者簡介
曲宗峰，教授級高級工程師，天津大學(xué)電子信息專業(yè)博士(在讀)。現(xiàn)任中國家用電器研究院副院長，國家智能家居質(zhì)量檢驗檢測中心主任，全國家用電器標(biāo)準(zhǔn)化技術(shù)委員會清潔器具分技術(shù)委員會(SAC／TC46／SC2)主任委員，全國能源基礎(chǔ)與管理標(biāo)準(zhǔn)化技術(shù)委員會節(jié)能檢測分技術(shù)委員會(SAC／TC20／SC9)副主任委員，全國家用電器標(biāo)準(zhǔn)化技術(shù)委員會(SAC／TC46)委員，中國標(biāo)準(zhǔn)化協(xié)會電器電子分會會長等。曾獲得中國輕工業(yè)聯(lián)合會科技進(jìn)步獎等省部級獎21項，其中一等獎9項；牽頭省部級課題10余項，在核心期刊發(fā)表論文20余篇。
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
我與地壇
- >
名家?guī)阕x魯迅:故事新編
- >
經(jīng)典常談
- >
我從未如此眷戀人間
- >
羅庸西南聯(lián)大授課錄
- >
月亮與六便士
- >
有舍有得是人生
本類暢銷
