幫助中心 | 我的帳號 | 關於我們

面向信號處理的機器學習(數據科學演算法與計算統計學)/智能科學與技術叢書

  • 作者:(英)麥克斯·A.里特爾|責編:曲熠|譯者:張軼
  • 出版社:機械工業
  • ISBN:9787111725305
  • 出版日期:2023/05/01
  • 裝幀:平裝
  • 頁數:281
人民幣:RMB 109 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書首先介紹相關的數學基礎知識,包括代數、集合、線性運算、概率論、圖論、計算複雜性、優化等;接下來介紹信號處理的基礎知識,包括採樣、統計建模、線性時不變系統、小波變換等,同時穿插機器學習的基本概念和運算,如回歸、支持向量機、聚類、主成分分析等。在此基礎上,闡述了非參數模型和信號處理中的機器學習演算法。
    本書的一大特色是內容由淺入深,易於理解,適合本科高年級和研究生階段的學生閱讀,同時也可作為科研和工程技術人員的參考手冊。

作者介紹
(英)麥克斯·A.里特爾|責編:曲熠|譯者:張軼

目錄
譯者序
前言
第1章  數學基礎
  1.1  抽象代數
    1.1.1  群
    1.1.2  環
  1.2  度量
  1.3  向量空間
    1.3.1  線性運算元
    1.3.2  矩陣代數
    1.3.3  方陣和可逆矩陣
    1.3.4  特徵值和特徵向量
    1.3.5  特殊矩陣
  1.4  概率與隨機過程
    1.4.1  樣本空間、事件、度量和分佈
    1.4.2  聯合隨機變數:獨立性、條件性和邊緣性
    1.4.3  貝葉斯準則
    1.4.4  期望、生成函數和特徵函數
    1.4.5  經驗分佈函數和樣本期望
    1.4.6  變換隨機變數
    1.4.7  多元高斯分佈和其他極限分佈
    1.4.8  隨機過程
    1.4.9  馬爾可夫鏈
  1.5  數據壓縮與資訊理論
    1.5.1  信息映射的重要性
    1.5.2  互信息和KL散度
  1.6  圖
  1.7  凸性
  1.8  計算複雜性
    1.8.1  複雜性的階和大O表示法
    1.8.2  可處理和難處理的問題:NP完全性
第2章  優化
  2.1  預備知識
    2.1.1  連續可微問題與臨界點
    2.1.2  等式約束下的連續優化:拉格朗日乘子
    2.1.3  不等式約束:二元性和Karush-Kuhn-Tucker條件
    2.1.4  迭代法的收斂性和收斂速度
    2.1.5  不可微的連續問題
    2.1.6  離散(組合)優化問題
  2.2  連續凸問題的解析方法
    2.2.1  L2范數目標函數
    2.2.2  混合L2-L1范數目標函數
  2.3  連續凸問題的數值方法
    2.3.1  迭代重加權最小二乘法
    2.3.2  梯度下降
    2.3.3  調整步長:線搜索
    2.3.4  牛頓方法
    2.3.5  其他梯度下降方法
  2.4  不可微連續凸問題
    2.4.1  線性規劃

    2.4.2  二次規劃
    2.4.3  次梯度法
    2.4.4  原始對偶內點法
    2.4.5  路徑跟蹤方法
  2.5  連續非凸問題
  2.6  離散(組合)優化的啟髮式演算法
    2.6.1  貪婪搜索
  ……
第3章  隨機採樣
第4章  統計建模和推斷
第5章  概率圖模型
第6章  統計機器學習
第7章  線性-高斯系統和信號處理
第8章  離散信號:採樣、量化和編碼
第9章  非線性和非高斯信號處理
第10章  非參數貝葉斯機器學習和信號處理
參考文獻

  • 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