机器学习与智能感知--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

本书强调基础知识与前沿研究的无缝衔接，从机器学习基础、深度学习理论与应用逐步深入，内容由易到难,循序渐进。本书强调理论与实践的有效结合，引入大量案例讲解算法，使读者可以在学习案例的基础上更好地学习算法和理论。本书整体逻辑严密，各章节又相对独立，不仅包括传统的理论和方法，也融入了一些新的算法和比较流行的机器学习理论，使读者了解机器学习的新方向和新发展。本书可以作为计算机科学与技术、人工智能、智能科学与技术等专业的教学用书，也可以作为对机器学习感兴趣的读者的参考书。本书配套教学课件，读者可从清华大学出版社网站下载使用。

内容简介

本书旨在通过对机器学习主要原理和方法的介绍，并且结合作者多年来在智能感知方面的研究成果，对其他书籍未涉及的一些前沿研究进行补充阐述。通过对基础理论循序渐进、深入浅出的讲解，读者能够更快速地掌握机器学习的基本方法，在此基础上每章内容由易到难，读者可以根据自己的掌握程度以及兴趣，选择特定的方向进行更深入的学习。本书可作为有一定数学基础的人工智能专业的本科生和研究生教材，也可作为有志于钻研人工智能相关领域（包括机器学习和智能感知等方向）的读者的参考书。

第1章机器学习的发展史1
引言1
1.1机器学习1
1.1.1机器学习的定义和研究意义1
1.1.2机器学习的发展史3
1.1.3机器学习系统的基本结构4
1.1.4机器学习的分类5
1.1.5目前研究领域9
1.2统计模式识别问题9
1.2.1机器学习问题的表示10
1.2.2经验风险最小化11
1.2.3复杂性与推广能力12
1.3统计机器学习理论的核心内容13
1.3.1学习过程一致性的条件13
1.3.2推广性的界13
1.3.3结构风险最小化15
1.4解耦因果学习16
1.4.1因果学习17
1.4.2相关工作18
1.4.3解耦因果学习方法与应用18
1.5总结21
课后习题21
第2章决策树学习22
引言22
2.1决策树学习概述22
2.1.1决策树23
2.1.2性质24
2.1.3应用24
2.1.4学习24
2.2决策树设计25
2.2.1决策树的特点25
2.2.2决策树的生成25
2.3总结30
课后习题30
第3章PAC模型31
引言31
3.1基本的PAC模型31
3.1.1PAC简介31
3.1.2基本概念31
3.1.3问题框架32
3.2PAC模型样本复杂度分析33
3.2.1有限空间样本复杂度33
3.2.2无限空间样本复杂度34
3.3VC维计算35
3.4总结36
课后习题36
第4章贝叶斯学习37
引言37
4.1贝叶斯学习37
4.1.1贝叶斯公式37
4.1.2最小误差决策38
4.1.3正态密度38
4.1.4优选似然估计39
4.2朴素贝叶斯原理及应用40
4.2.1贝叶斯很好假设原理40
4.2.2基于朴素贝叶斯的文本分类器40
4.3HMM（隐马尔可夫模型）及应用43
4.3.1马尔可夫性43
4.3.2马尔可夫链44
4.3.3转移概率矩阵44
4.3.4HMM（隐马尔可夫模型）及应用44
4.4总结48
课后习题49
第5章支持向量机50
引言50
5.1支持向量机概述50
5.1.1margin优选化50
5.1.2支持向量机优化51
5.2支持向量机的实例55
5.3支持向量机的实现算法55
5.4多类支持向量机57
5.5总结58
课后习题58
第6章AdaBoost59
引言59
6.1AdaBoost与目标检测59
6.1.1AdaBoost算法59
6.1.2AdaBoost训练61
6.1.3AdaBoost实例62
6.2具有强鲁棒性的实时目标检测63
6.2.1Haarlike矩形特征选取63
6.2.2积分图63
6.2.3训练结果64
6.2.4级联64
6.3随机森林65
6.3.1原理阐述66
6.3.2算法详解66
6.3.3算法分析67
6.4总结67
课后习题68

机器学习与智能感知

库存： {{selectedSku?.stock}} 库存充足