您好,欢迎来到聚文网。 登录 免费注册
线性代数与数据学习

线性代数与数据学习

  • 字数: 620000
  • 装帧: 平装
  • 出版社: 清华大学出版社
  • 作者: (美)吉尔伯特·斯特朗 著 余志平,李铁夫,马辉 译
  • 出版日期: 2024-06-01
  • 商品条码: 9787302636403
  • 版次: 1
  • 开本: 16开
  • 页数: 388
  • 出版年份: 2024
定价:¥138 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
Gilbert Strang是麻省理工学院数学教授,美国国家科学院院士和美国艺术与科学院院士,在有限元理论、变分法、小波分析及线性代数等领域卓有成就,著有多部经典数学教材,开设多门开放式课程,享有国际盛誉。
本书是深度学习的导论,全面介绍机器学习的数学基础,阐述架构神经网络的核心思想,主要内容包括线性代数的重点、大规模矩阵的计算、低秩与压缩传感、特殊矩阵、概率与统计、最优化、数据学习等。本书可作为数据科学方向的数学基础课程教材,也可供人工智能、深度学习领域的科研人员和工程技术人员参考。
目录
第1章 线性代数的重点
1.1 使用A的列向量实现Ax的相乘
1.2 矩阵与矩阵相乘:AB
1.3 4个基本子空间
1.4 消元法与A=LU
1.5 正交矩阵与子空间
1.6 特征值和特征向量
1.7 对称正定矩阵
1.8 奇异值分解中的奇异值和奇异向量
1.9 主成分和最佳低秩矩阵
1.10 Rayleigh商和广义特征值
1.11 向量、函数和矩阵的范数
1.12 矩阵和张量的分解:非负性和稀疏性
第2章 大规模矩阵的计算
2.1 数值线性代数
2.2 最小二乘:4种方法
2.3 列空间的3种基
2.4 随机线性代数
第3章 低秩与压缩传感
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网