“十三五”普通高等教育规划教材机器学习及其应用(运用朴实的语言.在每个章节穿插相应的应用实例)/汪荣贵等

本书特色

[

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网络、深度循环网络、生成对抗网络等若干典型深度学习模型的基本理论与训练范式，分析讨论深度强化学习的基本理论与方法。《机器学习及其应用》站在高年级本科生和低年级硕士研究生的思维角度编写，尽可能用朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够掌握全书主要内容。
《机器学习及其应用》每章均配有一定数量的习题，适合作为智能科学与技术、数据科学与大数据技术、计算机类相关专业的本科生或研究生的机器学习入门级教材，也可供工程技术人员和自学的读者学习参考。

]

内容简介

[

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网络、深度循环网络、生成对抗网络等若干典型深度学习模型的基本理论与训练范式，分析讨论深度强化学习的基本理论与方法。《机器学习及其应用》站在高年级本科生和低年级硕士研究生的思维角度编写，尽可能用朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够掌握全书主要内容。《机器学习及其应用》每章均配有一定数量的习题，适合作为智能科学与技术、数据科学与大数据技术、计算机类相关专业的本科生或研究生的机器学习入门级教材，也可供工程技术人员和自学的读者学习参考。

]

目录

前言第1章机器学习概述1.1机器学习基本概念1.1.1人工智能与机器学习1.1.2机器学习基本术语1.1.3机器学习误差分析1.2机器学习发展历程1.2.1感知机与连接学习1.2.2符号学习与统计学习1.2.3连接学习的兴起1.3机器学习基本问题1.3.1特征提取1.3.2规则构造1.3.3模型评估1.4习题第2章模型估计与优化2.1模型参数估计2.1.1zui小二乘估计2.1.2zui大似然估计2.1.3zui大后验估计2.2模型优化基本方法2.2.1梯度下降法2.2.2牛顿迭代法2.3模型优化概率方法2.3.1随机梯度法2.3.2zui大期望法2.3.3蒙特卡洛法2.4模型正则化策略2.4.1范数惩罚2.4.2样本增强2.4.3对抗训练2.5习题第3章监督学习3.1线性模型3.1.1模型结构3.1.2线性回归3.1.3线性分类3.2决策树模型3.2.1模型结构3.2.2判别标准3.2.3模型构造3.3贝叶斯模型3.3.1贝叶斯方法3.3.2贝叶斯分类3.3.3贝叶斯回归3.4支持向量机3.4.1线性可分性3.4.2核函数技术3.4.3结构风险分析3.5监督学习应用3.5.1信用风险评估3.5.2垃圾邮件检测3.5.3车牌定位与识别3.6习题第4章无监督学习4.1聚类分析4.1.1划分聚类法4.1.2密度聚类法4.2主分量分析4.2.1基本PCA方法4.2.2核PCA方法4.3稀疏编码与学习4.3.1稀疏编码概述4.3.2稀疏表示学习4.3.3数据字典学习4.4无监督学习应用4.4.1热点话题发现4.4.2自动人脸识别4.5习题第5章集成学习5.1集成学习基本知识5.1.1集成学习基本概念5.1.2集成学习基本范式5.1.3集成学习泛化策略5.2Bagging集成学习5.2.1Bagging集成策略5.2.2随机森林模型结构5.2.3随机森林训练算法5.3Boosting集成学习5.3.1Boosting集成策略5.3.2AdaBoost集成学习算法5.3.3GBDT集成学习算法5.4集成学习应用5.4.1房价预测分析5.4.2自动人脸检测5.5习题第6章强化学习6.1强化学习概述6.1.1强化学习基本知识6.1.2马尔可夫模型6.1.3强化学习计算方式6.2基本强化学习6.2.1值迭代学习6.2.2时序差分学习6.2.3Q学习6.3示范强化学习6.3.1模仿强化学习6.3.2逆向强化学习6.4强化学习应用6.4.1自动爬山小车6.4.2五子棋自动对弈6.5习题第7章神经网络与深度学习7.1神经网络概述7.1.1神经元与感知机7.1.2前馈网络模型7.1.3模型训练基本流程7.2神经网络常用模型7.2.1径向基网络7.2.2自编码器7.2.3玻尔兹曼机7.3深度学习基本知识7.3.1浅层学习与深度学习7.3.2深度堆栈网络7.3.3DBN模型及训练策略7.4神经网络应用7.4.1光学字符识别7.4.2自动以图搜图7.5习题第8章常用深度网络模型8.1深度卷积网络8.1.1卷积网络概述8.1.2基本网络模型8.1.3改进网络模型8.2深度循环网络8.2.1动态系统展开8.2.2网络结构与计算8.2.3模型训练策略8.3生成对抗网络8.3.1生成器与判别器8.3.2网络结构与计算8.3.3模型训练策略8.4常用深度网络应用8.4.1图像目标检测8.4.2自动文本摘要8.5习题第9章深度强化学习9.1深度强化学习概述9.1.1基本学习思想9.1.2基本计算方式9.1.3蒙特卡洛树搜索9.2基于价值的学习9.2.1深度Q网络9.2.2深度双Q网络9.2.3DQN模型改进9.3基于策略的学习9.3.1策略梯度算法9.3.2Actor-Critic算法9.3.3DDPG学习算法9.4深度强化学习应用9.4.1智能巡航小车9.4.2围棋自动对弈9.5习题参考文献

封面

书名:“十三五”普通高等教育规划教材机器学习及其应用(运用朴实的语言.在每个章节穿插相应的应用实例)/汪荣贵等

作者:汪荣贵 杨娟 薛丽霞

页数:390

定价:¥79.0

出版社:机械工业出版社

出版日期:2018-04-01

ISBN:9787111632023

PDF电子书大小:92MB 高清扫描完整版