潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习:贝叶斯和优化方法/(希) 西格尔斯·西奥多里蒂斯(Sergios Theodoridis)著

出版发行项:

北京:机械工业出版社,2021

ISBN及定价:

978-7-111-66837-4 精装/CNY299.00

载体形态项:

22, 1130页:图;24cm

统一题名:

Machine learning : a bayesian and optimization perspective

其它题名:

贝叶斯和优化方法

丛编项:

经典原版书库

个人责任者:

西奥多里迪斯 (Theodoridis, Sergios) 著

学科主题:

机器学习-英文

中图法分类号:

TP181

版本附注:

据原书第2版影印出版 由ELSEVIER LTD.授权机械工业出版社出版

责任者附注:

西格尔斯·西奥多里蒂斯（Sergios Theodoridis） 雅典大学教授，香港中文大学（深圳）教授，研究兴趣包括机器学习、模式识别和信号处理等。他是IEEE Fellow、IET Fellow、EURASIP Fellow，曾任IEEE信号处理协会副主席、EURASIP主席以及IEEE Transactions on Signal Processing主编

提要文摘附注:

本书通过讲解监督学习的两大支柱—回归和分类—将机器学习纳入统一视角展开讨论。书中首先讨论基础知识，包括均方、最小二乘和最大似然方法、岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍新近的技术，包括稀疏建模方法，再生核希尔伯特空间中的学习、支持向量机中的学习、关注EM算法的贝叶斯推理及其近似推理变分版本、蒙特卡罗方法、聚焦于贝叶斯网网络的概率图模型、隐马尔科夫模型和粒子滤波。此外，本书还深入讨论了降维和隐藏变量建模。全书以关于神经网络和深度学习架构的扩展章节结束。此外，书中还讨论了统计参数估计、维纳和卡尔曼滤波、凸性和凸优化的基础知识，其中，用一章介绍了随机逼近和梯度下降族的算法，并提出了分布式优化的相关概念、算法和在线学习技术。

使用对象附注:

计算机专业相关人员

豆瓣简介：