機器學習深度學習與強化學習

來自 孔夫子網 的圖片

《機器學習深度學習與強化學習》，林強 著，出版社： 知識產權出版社。

知識產權出版社有限責任公司（原名專利文獻出版社）成立於1980年8月，由國家知識產權局主管、主辦。作為國家級圖書、期刊、電子、網絡出版單位，知識產權出版社是全國文化體制改革先進單位、國家一級出版社、全國百佳圖書出版單位、國家數字出版轉型示範單位、中國專利文獻法定出版單位。

目錄

內容簡介

本書從數學優化的角度對目前人工智能的代表技術機器學習進行分析，解決了目前這一領域偏向應用，數學理論較弱的問題，從原理、數學解析兩個方面對特徵提取、分類、聚類、神經網絡等進行了全面系統的剖析。解決了目前人工智能領域偏向應用，數學理論較弱的問題，從原理解析、數學解析兩個方面對機器學習進行剖析。

目錄

第一章 數據、數學與機器學習001

1.1 概述 / 003

1.2 數學與機器學習 / 005

1.3 數據與機器學習 / 008

1.4 深度學習與強化學習 / 014

1.5 本章小結 / 019

第二章 分類與回歸021

2.1 常用的分類方法 / 024

2.2 分類的數學解釋 / 032

2.3 回歸分析 / 038

2.4 回歸分析的數學解釋 / 041

2.5 本章小結 / 046

第三章 特徵選取047

3.1 數據預處理的步驟 / 050

3.2 數據預處理與特徵提取 / 057

3.3 主成分分析 / 059

3.4 因子分析 / 063

3.5 特徵提取問題的數學解析 / 067

3.6 本章小結 / 072

第四章 聚 類075

4.1 基本概念 / 078

4.2 聚類的過程 / 082

4.3 分析方法 / 083

4.4 基於K-means算法的聚類規則 / 088

4.5 聚類問題的數學解釋 / 091

4.6 本章小結 / 094

第五章 深度學習097

5.1 概述 / 099

5.2 神經網絡模型 / 101

5.3 神經網絡學習方法 / 103

5.4 神經網絡的數學解釋 / 106

5.5 本章小結 / 111

第六章 強化學習113

6.1 樸素貝葉斯 / 115

6.2 貝葉斯信念網 / 118

6.3 動態貝葉斯網絡 / 120

6.4 一般時序模型 / 121

6.5 馬爾可夫模型 / 131

6.6 本章小結 / 138

第七章 計算流與自組織141

7.1 信息流與計算流的結合 / 143

7.2 學習中的自組織行為 / 144

7.3 神經動力學與自組織 / 153

參考文獻157卷