●第1章緒論
1.1人工智能及其實現途徑
1.1.1智能的外在表現與模擬
1.1.2機器學習
1.1.3人工神經網絡
1.2機器學習簡史
1.3人工神經網絡簡史
1.4本書內容與組織
參考文獻
第2章機器學習基礎
2.1機器學習
2.2機器學習方式
2.3歸納學習類型
2.3.1監督學習
2.3.2非監督學習
2.3.3半監督學習
2.3.4強化學習
2.3.5各學習類型的特點與共性
2.4特定學習概念
2.4.1生成學習與判別學習
2.4.2度量學習
2.4.3在線學習/遞增學習
2.4.4反饋學習
2.4.5多任務學習
2.4.6深度學習
2.4.7遷移學習
2.4.8流形學習
2.4.9多示例學習
2.5對學習算法的評價
2.5.1過學習與泛化
2.5.2偏置
2.5.3數據魯棒性
2.5.4計算復雜性
2.5.5透明性
參考文獻
第3章監督學習
3.1函數形式
3.1.1顯式表示形式
3.1.2隱式表示形式
3.1.3數據點表示形式
3.2優化目標
3.2.1最小平方誤差
3.2.2最小化熵
3.2.3極大似然估計
3.2.4極大後驗概率估計
3.2.5最小描述長度
3.3記憶學習
3.4決策樹學習
3.4.1決策樹
3.4.2基於信息增益的決策樹生成算法(ID3算法)
3.4.3ID3算法的過學習問題與對策
3.4.4基於最小描述長度準則的決策樹學習算法
3.5支持向量機
……
第4章相似性度量
第5章聚類方法
第6章關聯規則挖掘方法
第7章半監督學習方法
第8章強化學習
第9章人工神經網絡基礎
第10章前饋神經網絡
第11章反饋神經網絡
第12章結語