幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

概率圖模型原理與應用(第2版)

  • 作者：(墨)路易斯·恩里克·蘇卡爾|責編:王軍|譯者:郭濤
  • 出版社：清華大學
  • ISBN：9787302610786
  • 出版日期：2022/09/01
  • 裝幀：平裝
  • 頁數：339
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書對上一版做了全面更新，從工程角度講述PGM（概率圖模型)，通俗易懂，講解深刻。本書納入部分可觀察馬爾可夫決策過程、圖模型、深度學習等新章節，附有大量精選的練習題。
    本書涵蓋PGM每個主要分類的基礎知識（表徵、推理和學習原理等），列出每類模型在多個學科的實際應用，濃墨重彩地描述貝葉斯分類器、隱馬爾可夫模型、貝葉斯網路、動態貝葉斯網路、時態貝葉斯網路、馬爾可夫隨機場、影響圖和馬爾可夫決策過程的許多用途。
    主要內容：
    提出統一框架，涵蓋所有PGM主要分類；
    探討每項技術的表達、推理與學習的基礎知識：
    涵蓋部分可觀察馬爾可夫決策過程和圖模型：
    納入介紹深度神經網路及其與PGM關係的新章節：
    涵蓋多維貝葉斯分類器、關係圖模型及因果模型：
    提供大量章末練習、補充閱讀以及研究或編程參考文獻：
    描述分類器，如高斯樸素貝葉斯分類器、循環鏈分類器及層次分類器：
    簡述不同技術的實際應用：
    給出教學大綱建議。
    本書在課堂教學中日臻完善，可作為電腦科學、工程學、物理學等專業的本科和研究生PGM教材。對於將PGM應用於研究領域或對PGM基礎知識感興趣的專業人士而言，可將本書用作參考書。
作者介紹
(墨)路易斯·恩里克·蘇卡爾|責編:王軍|譯者:郭濤
目錄
第Ⅰ部分  基本原理
  第1章  導論
    1.1  不確定性
    1.2  簡要回顧
    1.3  基本概率模型
    1.4  概率圖模型
    1.5  表示、推理與學習
    1.6  應用
    1.7  本書概述
    1.8  補充閱讀
  第2章  概率論
    2.1  引言
    2.2  基本規則
    2.3  隨機變數
    2.4  資訊理論
    2.5  補充閱讀
    2.6  練習
  第3章  圖論
    3.1  定義
    3.2  圖的類型
    3.3  跡和迴路
    3.4  圖同構
    3.5  樹
    3.6  團
    3.7  完美序
    3.8  排序和三角剖分演算法
      3.8.1  最大基數搜索
      3.8.2  圖的填充
    3.9  補充閱讀
    3.10  練習
第Ⅱ部分  概率模型
  第4章  貝葉斯分類器
    4.1  引言
    4.2  貝葉斯分類器簡介
    4.3  高斯樸素貝葉斯分類器
    4.4  替代模型：TAN、BAN
    4.5  半樸素貝葉斯分類器
    4.6  多維貝葉斯分類器
      4.6.1  多維貝葉斯網路分類器
      4.6.2  鏈式分類器
    4.7  層次分類
      4.7.1  鏈式路徑評估
      4.7.2  使用貝葉斯網路進行層次分類
  ……
第Ⅲ部分  決策模型
第Ⅳ部分  關係概率圖模型、因果圖模型和深度模型
附錄A  一個用於推理和學習的Python庫（可從本書配套網站下載）
辭彙表（可從本書配套網站下載）
縮略語（可從本書配套網站下載）
符號（可從本書配套網站下載）

參考文獻（可從本書配套網站下載）

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032