您好,欢迎来到聚文网。 登录 免费注册
人人可懂的模式识别(原书第2版)

人人可懂的模式识别(原书第2版)

深入浅出,让模式识别的奥秘触手可及,无论是初学者还是专业人士,都能轻松掌握其精髓。
  • 字数: 209000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: (日)石井健一郎 等 著 申富饶,于僡 译
  • 出版日期: 2024-07-01
  • 商品条码: 9787111759898
  • 版次: 1
  • 开本: 32开
  • 页数: 432
  • 出版年份: 2024
定价:¥99 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
编辑推荐
《人人可懂的模式识别》以其深入浅出的讲解方式,成功打破了专业壁垒,将原本可能晦涩难懂的技术知识转化为生动有趣的阅读体验。作者以日常生活中的实例为引子,逐步引导读者探索模式识别的核心原理、算法逻辑以及广泛应用。这种贴近生活的讲解方式,不仅降低了学习门槛,更激发了读者的好奇心和探索欲。书中内容全面且结构清晰,从基础概念到高级技术,从理论探讨到实践应用,无所不包。无论是初学者希望快速入门,还是专业人士希望深化理解,都能在这本书中找到适合自己的内容。作者还巧妙地穿插了案例分析、实操指南和前沿技术介绍,让读者在掌握理论知识的同时,也能感受到模式识别技术的实际价值和无限潜力。这是一本值得每一位对科技、人工智能、模式识别等领域感兴趣的读者拥有的好书。它不仅能够帮助你快速入门并掌握核心知识,更能激发你的创新思维和探索精神。我坚信,这本书将成为你探索未知世界的得力助手和宝贵财富。
内容简介
本书是日本人工智能领域的畅销书,作者均为模式识别领域的知名学者,他们基于多年的研究、实践经验和独特的视角,从模式识别的基本概念开始,以通俗易懂的语言介绍了机器学习、识别函数设计、特征的评价、特征空间的变换、子空间法、最小二乘法等常用的模式识别基础知识和算法。此外,精心设计的习题能帮助读者进一步深入理解模式识别理论,心得栏目提供了作者在实际研究中的一些很有价值的思考。本书内容深入浅出且具有新意,适合对模式识别感兴趣的初学者,对专业人士也具有较高的参考价值。
作者简介
石井健一郎,毕业于东京大学,曾在美国普渡大学做客座研究员,并曾就职于日本通信科学基础研究所从事文本识别、图像处理的研究和应用,现任名古屋大学大学院情报科学研究科教授。
目录
前言
初版前言
符号一览表
第1章模式识别概述1
1.1模式识别系统的构成1
1.2特征向量与特征空间2
1.3原型与最近邻规则6
习题10
第2章学习与识别函数12
2.1学习的必要性12
2.2最近邻规则和线性识别函数13
2.3感知器的学习规则16
2.4感知器的学习实验25
2.5分段线性识别函数28
习题33
第3章基于误差评价的学习35
3.1平方误差最小化学习35
3.2误差评价与感知器44
3.3神经网络与误差反向传播法48
3.43层神经网络实验54
3.5中间层功能的确认实验57
习题62
第4章识别单元的设计63
4.1参数学习与非参数学习63
4.2参数的估计66
4.3识别函数的设计69
4.4特征空间的维度和学习模式数77
4.5识别单元的最优化81
习题84
第5章特征评价与贝叶斯误差86
5.1评价特征86
5.2类间方差与类内方差的比87
5.3贝叶斯误差88
5.4贝叶斯误差与最近邻规则92
5.5贝叶斯误差估计法99
5.6特征评价的实验105
习题108
第6章特征空间的变换110
6.1特征选择与特征空间的变换110
6.2特征量的归一化113
6.3KL展开116
6.4线性判别法125
6.5KL展开的适用法147
习题151
第7章子空间法154
7.1子空间法的基础154
7.2CLAFIC法155
7.3子空间法和相似度法158
7.4正交子空间法162
7.5学习子空间法163
习题164
第8章学习算法的一般化165
8.1期望损失最小化学习165
8.2各种损失166
8.3概率下降法171
习题176
第9章学习算法与贝叶斯决策规则177
9.1基于最小二乘法的学习177
9.2最小二乘法和各种学习法188
习题191
附录192
结语200
参考文献203

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网