基本信息

書名:機器學習基礎教程

定價

作者:姚舜纔

出版社：西安電子科技大學出版社

出版日期：2020-04-01

ISBN：9787560655512

字數：

頁碼：240

版次：

裝幀：平裝

開本：16開

商品重量：

編輯推薦

內容提要

本書介紹了機器學習的基本算法、歷史發展、應用前景及相關問題。內容包括：機器學習所涉及的必要的數學知識，機器學習的基本模式和任務，神經網絡的基本理論及算法結構，分類與聚類學習算法，數據維度歸約的基本方法，圖理論及方法以及當前比較流行的機器學習理論和算法。本書在加深學生對經典機器學習方法理解的基礎上適當擴展其視野，以培養和提高其解決實際問題的能力。

本書可作為高等學校人工智能相關專業的教材，也適合該領域的工程技術人員參考使用。

目錄

章 緒論
1.1 機器學習發展簡史與概況
1.2 機器學習的研究與應用現狀
1.3 機器學習的相關問題
1.4 機器學習的發展前景
第二章 機器學習的數學基礎
2.1 線性代數與矩陣分析基礎
2.1.1 線性空間基礎
2.1.2 範數
2.1.3 矩陣運算及其分解
2.2 概率與統計基礎
2.2.1 概率分布
2.2.2 數字特征
2.2.3 估計理論基礎
2.2.4 貝葉斯理論基礎
2.3 優化理論基礎
2.3.1 無約束化
2.3.2 帶有約束條件的化
復習思考題
第三章 機器學習基本知識
3.1 機器學習的建模問題
3.1.1 線性擬合(回歸)及建模問題
3.1.2 非線性擬合(回歸)及建模問題
3.2 機器學習模式概述
3.2.1 有監督學習模式
3.2.2 無監督學習模式
復習思考題
第四章 神經網絡學習算法
4.1 神經網絡概述
4.2 典型前饋型神經網絡
4.2.1 前饋型(BP)神經網絡基本運行模式
4.2.2 前饋型(BP)神經網絡的相關問題
4.3 典型反饋型神經網絡
4.3.1 反饋型神經網絡基本運行模式
4.3.2 反饋型神經網絡的相關問題
4.4 其他典型神經網絡
4.4.1 徑向基神經網絡
4.4.2 自組織競爭神經網絡
4.4.3 小腦模型神經網絡
4.4.4 卷積神經網絡
復習思考題
第五章 分類與聚類學習算法
5.1 分類學習算法
5.1.1 線性分類算法
5.1.2 非線性分類算法
5.1.3 核方法與支持向量機
5.2 聚類學習算法
5.2.1 K均值聚類算法
5.2.2 其他聚類算法
復習思考題

作者介紹

博士，副教授，碩士生導師。畢業於中國礦業大學（北京）。美國密歇根科技大學訪問學者。主講信號與繫統，自動控制繫統等本科生課程；以及智能優化理論及算法，估計與繫統建模等研究生課程。多次獲得山西省中青年教師教學基本功競賽獎勵；並被評為山西省普通高校師德師風建設先進個人；獲山西省高等學校科技進步二等獎一項；山西省高等學校科技進步三等獎一項；山西省教學改革二等獎一項，“青年五四獎章”獲得者；在外期刊和會議上發表20餘篇學術論文，其中EI收錄8篇。出版教材（國防工業出版社）及專著（機械工業出版社）三部，其中教材已多次再版。

序言