機(jī)器學(xué)習(xí)簡(jiǎn)明教程

定　價(jià)：￥59.00

作　者：	汪榮貴著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	普通高等教育計(jì)算機(jī)專業(yè)系列教材
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥59.00)

ISBN：	9787111651673	出版時(shí)間：	2020-04-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書內(nèi)容主要包括機(jī)器學(xué)習(xí)的基本知識(shí)、基本學(xué)習(xí)方法、集成學(xué)習(xí)方法、深度學(xué)習(xí)方法和深度強(qiáng)化學(xué)習(xí)方法等內(nèi)容，將機(jī)器學(xué)習(xí)的經(jīng)典內(nèi)容與深度學(xué)習(xí)等前沿內(nèi)容有機(jī)地結(jié)合在一起，形成一套相對(duì)完整的知識(shí)體系，并在每個(gè)章節(jié)穿插相應(yīng)的應(yīng)用實(shí)例，使得廣大讀者不但能夠較好地掌握機(jī)器學(xué)習(xí)基本理論，而且能夠比較系統(tǒng)地掌握其應(yīng)用技術(shù)，為今后的工作和進(jìn)一步學(xué)習(xí)打下扎實(shí)的理論與應(yīng)用基礎(chǔ)。

作者簡(jiǎn)介

　　汪榮貴合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院（人工智能學(xué)院）教授、博士生導(dǎo)師，中國(guó)人工智能學(xué)會(huì)離散智能計(jì)算專委會(huì)委員，安徽省人工智能學(xué)會(huì)理事，主要研究方向?yàn)榍度胧蕉嗝襟w技術(shù)、圖像理解與機(jī)器學(xué)習(xí)、視頻大數(shù)據(jù)與云計(jì)算，承擔(dān)完成多項(xiàng)國(guó)家自然基金項(xiàng)目、安徽省科技攻關(guān)及企業(yè)委托項(xiàng)目，已在專業(yè)核心期刊發(fā)表60余篇學(xué)術(shù)論文，其中多篇被SCI收錄，研究成果“多源多模態(tài)視頻智能處理關(guān)鍵技術(shù)及應(yīng)用”獲得2017年度安徽省科技進(jìn)步二等獎(jiǎng)，“多源多模態(tài)視頻智能處理在平安城市中的應(yīng)用”獲得2017年度合肥市科技進(jìn)步一等獎(jiǎng)，“虛擬卡口”獲得2017年度中國(guó)電子集團(tuán)科技進(jìn)步一等獎(jiǎng)。

圖書目錄

前言
第1章　機(jī)器學(xué)習(xí)概述 1
1.1　機(jī)器學(xué)習(xí)基本概念 1
1.1.1　人工智能與機(jī)器學(xué)習(xí) 1
1.1.2　機(jī)器學(xué)習(xí)基本術(shù)語 5
1.1.3　機(jī)器學(xué)習(xí)誤差分析 8
1.2　機(jī)器學(xué)習(xí)發(fā)展歷程 11
1.2.1　感知機(jī)與連接學(xué)習(xí) 11
1.2.2　符號(hào)學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí) 13
1.2.3　連接學(xué)習(xí)的興起 17
1.3　機(jī)器學(xué)習(xí)基本問題 19
1.3.1　特征提取 19
1.3.2　規(guī)則構(gòu)建 23
1.3.3　模型評(píng)估 27
1.4　模型優(yōu)化與正則化 31
1.4.1　梯度下降法 31
1.4.2　隨機(jī)梯度法 34
1.4.3　模型正則化 36
1.5　習(xí)題 41
第2章　基本學(xué)習(xí)方法 43
2.1　監(jiān)督學(xué)習(xí) 43
2.1.1　線性模型 43
2.1.2　決策樹模型 50
2.1.3　貝葉斯模型 62
2.1.4　支持向量機(jī) 68
2.2　無監(jiān)督學(xué)習(xí) 72
2.2.1　聚類分析法 72
2.2.2　主分量分析法 76
2.3　強(qiáng)化學(xué)習(xí) 81
2.3.1　強(qiáng)化學(xué)習(xí)概述 81
2.3.2　馬爾可夫模型 84
2.3.3　值迭代學(xué)習(xí) 89
2.3.4　時(shí)序差分學(xué)習(xí) 94
2.4　基本學(xué)習(xí)方法的應(yīng)用 103
2.4.1　垃圾郵件檢測(cè)與分類 103
2.4.2　人臉自動(dòng)識(shí)別 106
2.4.3　自動(dòng)爬山小車 112
2.5　習(xí)題 117
第3章　集成學(xué)習(xí)方法 119
3.1　集成學(xué)習(xí)概述 119
3.1.1　集成學(xué)習(xí)基本概念 119
3.1.2　集成學(xué)習(xí)基本范式 120
3.1.3　集成學(xué)習(xí)泛化策略 122
3.2　Bagging集成學(xué)習(xí) 124
3.2.1　Bagging集成策略 124
3.2.2　隨機(jī)森林模型結(jié)構(gòu) 127
3.2.3　隨機(jī)森林訓(xùn)練算法 129
3.3　Boosting集成學(xué)習(xí) 142
3.3.1　Boosting集成策略 143
3.3.2　AdaBoost學(xué)習(xí)算法 145
3.3.3　GBDT學(xué)習(xí)算法 146
3.4　集成學(xué)習(xí)方法的應(yīng)用 151
3.4.1　房?jī)r(jià)預(yù)測(cè)分析 151
3.4.2　人臉自動(dòng)檢測(cè) 156
3.5　習(xí)題 162
第4章　深度學(xué)習(xí)方法 163
4.1　神經(jīng)網(wǎng)絡(luò)概述 163
4.1.1　神經(jīng)元與感知機(jī) 163
4.1.2　前饋網(wǎng)絡(luò)訓(xùn)練范式 168
4.1.3　淺層學(xué)習(xí)與深度學(xué)習(xí) 176
4.2　深度卷積網(wǎng)絡(luò) 181
4.2.1　卷積網(wǎng)絡(luò)概述 181
4.2.2　基本網(wǎng)絡(luò)模型 190
4.2.3　改進(jìn)網(wǎng)絡(luò)模型 199
4.3　深度循環(huán)網(wǎng)絡(luò) 206
4.3.1　動(dòng)態(tài)系統(tǒng)展開 207
4.3.2　網(wǎng)絡(luò)結(jié)構(gòu)與計(jì)算 208
4.3.3　模型訓(xùn)練策略 217
4.4　生成式對(duì)抗網(wǎng)絡(luò) 221
4.4.1　生成器與判別器 222
4.4.2　網(wǎng)絡(luò)結(jié)構(gòu)與計(jì)算 224
4.4.3　模型訓(xùn)練策略 229
4.5　深度學(xué)習(xí)方法的應(yīng)用 234
4.5.1　光學(xué)字符識(shí)別 235
4.5.2　圖像目標(biāo)檢測(cè) 239
4.5.3　自動(dòng)文本摘要 245
4.6　習(xí)題 249
第5章　深度強(qiáng)化學(xué)習(xí) 251
5.1　深度強(qiáng)化學(xué)習(xí)概述 251
5.1.1　基本學(xué)習(xí)思想 251
5.1.2　基本計(jì)算方式 254
5.1.3　蒙特卡洛樹搜索 255
5.2　基于價(jià)值的深度強(qiáng)化學(xué)習(xí) 261
5.2.1　深度Q網(wǎng)絡(luò) 261
5.2.2　深度雙Q網(wǎng)絡(luò) 266
5.2.3　DQN改進(jìn)模型 270
5.3　基于策略的深度強(qiáng)化學(xué)習(xí) 273
5.3.1　策略梯度算法 273
5.3.2　Actor-Critic算法 278
5.3.3　DDPG學(xué)習(xí)算法 284
5.4　深度強(qiáng)化學(xué)習(xí)的應(yīng)用 288
5.4.1　智能巡航小車 288
5.4.2　自動(dòng)對(duì)弈游戲 292
5.5　習(xí)題 303
參考文獻(xiàn) 305