官术网_书友最值得收藏!

《機(jī)器學(xué)習(xí)》習(xí)題參考
會(huì)員

本書配套周志華教授所著的《機(jī)器學(xué)習(xí)》教材,通過大量習(xí)題考查讀者對(duì)機(jī)器學(xué)習(xí)相關(guān)知識(shí)點(diǎn)的理解與掌握。全書分為兩個(gè)部分:第一部分習(xí)題對(duì)應(yīng)《機(jī)器學(xué)習(xí)》第1~10章的內(nèi)容,包括緒論、模型評(píng)估與選擇、線性模型、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí);第二部分包含6章應(yīng)用專題,通過綜合題的形式對(duì)知識(shí)點(diǎn)進(jìn)行多角度考查,包括線性模型的優(yōu)化與復(fù)用、面向類別不平衡數(shù)據(jù)的分類、神經(jīng)網(wǎng)絡(luò)的優(yōu)化與應(yīng)用、EM算法及其應(yīng)用、集成學(xué)習(xí)的過擬合現(xiàn)象研究、度量學(xué)習(xí)及其應(yīng)用。書中包含簡(jiǎn)答題、計(jì)算題和編程題,涵蓋不同難度級(jí)別,機(jī)器學(xué)習(xí)初學(xué)者可以通過這些習(xí)題深入了解和鞏固教材的關(guān)鍵概念,對(duì)機(jī)器學(xué)習(xí)有一定基礎(chǔ)的讀者也可以通過習(xí)題發(fā)現(xiàn)對(duì)一些知識(shí)點(diǎn)不同角度的解讀,為后續(xù)機(jī)器學(xué)習(xí)的深入研究打下基礎(chǔ)。本書面向《機(jī)器學(xué)習(xí)》讀者以及廣大機(jī)器學(xué)習(xí)愛好者,可作為高等院校人工智能、計(jì)算機(jī)、自動(dòng)化及相關(guān)專業(yè)的本科生或研究生的教學(xué)輔助書籍,也可供對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。

葉翰嘉 詹德川 ·人工智能 ·19.3萬字

機(jī)器學(xué)習(xí)基礎(chǔ):從入門到求職
會(huì)員

本書是一本機(jī)器學(xué)習(xí)算法方面的理論+實(shí)踐讀物,主要包含機(jī)器學(xué)習(xí)基礎(chǔ)理論、回歸模型、分類模型、聚類模型、降維模型和深度學(xué)習(xí)模型六大部分。機(jī)器學(xué)習(xí)基礎(chǔ)理論部分包含第1、2章,主要介紹機(jī)器學(xué)習(xí)的理論基礎(chǔ)和工程實(shí)踐基礎(chǔ)。第3章是回歸模型部分,主要包括模型的建立、學(xué)習(xí)策略的確定和優(yōu)化算法的求解過程,最后結(jié)合三種常見的線性回歸模型實(shí)現(xiàn)了一個(gè)房?jī)r(jià)預(yù)測(cè)的案例。第4至11章詳細(xì)介紹了幾種常見的分類模型,包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機(jī)模型、隨機(jī)森林模型、AdaBoost模型和提升樹模型,每一個(gè)模型都給出了較為詳細(xì)的推導(dǎo)過程和實(shí)際應(yīng)用案例。第12章系統(tǒng)介紹了五種常見的聚類模型,包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類,每一個(gè)模型的原理、優(yōu)缺點(diǎn)和工程應(yīng)用實(shí)踐都給出了較為詳細(xì)的說明。第13章系統(tǒng)介紹了四種常用的降維方式,包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入,同樣給出了詳細(xì)的理論推導(dǎo)和分析。最后兩章分別是詞向量模型和深度神經(jīng)網(wǎng)絡(luò)模型,其中,詞向量模型詳細(xì)介紹了Word2Vec和Doc2Vec模型的原理推導(dǎo)和應(yīng)用;深度神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)介紹了深度學(xué)習(xí)相關(guān)的各類基礎(chǔ)知識(shí)。

胡歡武編著 ·人工智能 ·12.3萬字

深入淺出圖神經(jīng)網(wǎng)絡(luò):GNN原理解析
會(huì)員

這是一本從原理、算法、實(shí)現(xiàn)、應(yīng)用4個(gè)維度詳細(xì)講解圖神經(jīng)網(wǎng)絡(luò)的著作,在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域具有重大的意義。本書作者是圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的資深技術(shù)專家,作者所在的公司極驗(yàn)也是該領(lǐng)域的領(lǐng)先者。本書是作者和極驗(yàn)多年研究和實(shí)踐經(jīng)驗(yàn)的總結(jié),內(nèi)容系統(tǒng)、扎實(shí)、深入淺出,得到了白翔、俞棟等幾位來自學(xué)術(shù)界和企業(yè)界的領(lǐng)軍人物的高度評(píng)價(jià)和強(qiáng)烈推薦。全書共10章:第1~4章全面介紹了圖、圖數(shù)據(jù)、卷積神經(jīng)網(wǎng)絡(luò)以及表示學(xué)習(xí)等基礎(chǔ)知識(shí),是閱讀本書的預(yù)備知識(shí);第5~6章從理論的角度出發(fā),講解了圖信號(hào)處理和圖卷積神經(jīng)網(wǎng)絡(luò),深入剖析了圖卷積神經(jīng)網(wǎng)絡(luò)的性質(zhì),并提供了GCN實(shí)現(xiàn)節(jié)點(diǎn)分類的實(shí)例。第7~9章全面的講解了圖神經(jīng)網(wǎng)絡(luò)的各種變體及范式、圖分類機(jī)制及其實(shí)踐,以及基于GNN的圖表示學(xué)習(xí);第10章介紹了圖神經(jīng)網(wǎng)絡(luò)的最新研究和應(yīng)用。

劉忠雨 李彥霖 周洋 ·人工智能 ·8.9萬字

智能語音處理
會(huì)員

本書從智能化社會(huì)對(duì)語音處理提出的新要求出發(fā),按照導(dǎo)論—基礎(chǔ)理論—應(yīng)用實(shí)踐的順序,系統(tǒng)地介紹了智能語音處理涉及的基礎(chǔ)理論、基本技術(shù)、主要方法以及典型的智能語音處理應(yīng)用。首先概述了智能語音處理的相關(guān)背景;接著介紹了智能語音處理涉及的基礎(chǔ)理論和相關(guān)技術(shù),包括稀疏和壓縮感知、隱變量模型、組合模型、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí);然后結(jié)合具體算法,介紹了智能語音處理的典型應(yīng)用,包括語音壓縮編碼、語音增強(qiáng)、語音轉(zhuǎn)換、說話人識(shí)別、骨導(dǎo)語音增強(qiáng);最后對(duì)智能語音處理的未來發(fā)展進(jìn)行了展望。本書內(nèi)容廣泛,重點(diǎn)突出,既有深入淺出的原理闡述,又有創(chuàng)新科研成果的總結(jié)凝練,理論與實(shí)際結(jié)合緊密,可讀性強(qiáng)。本書可以作為高等院校人工智能、電子信息工程、物聯(lián)網(wǎng)工程、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、通信工程等專業(yè)高年級(jí)本科生以及智能科學(xué)與技術(shù)、信號(hào)與信息處理、網(wǎng)絡(luò)空間安全、通信與信息系統(tǒng)等學(xué)科研究生的參考教材,也可供從事語音處理技術(shù)研究與應(yīng)用的科研及工程技術(shù)人員參考。

張雄偉 孫蒙 楊吉斌 ·人工智能 ·14.8萬字

深入淺出Embedding:原理解析與應(yīng)用實(shí)踐
會(huì)員

這是一本系統(tǒng)、全面、理論與實(shí)踐相結(jié)合的Embedding技術(shù)指南,由資深的AI技術(shù)專家和高級(jí)數(shù)據(jù)科學(xué)家撰寫,得到了黃鐵軍、韋青、張崢、周明等中國(guó)人工智能領(lǐng)域的領(lǐng)軍人物的一致好評(píng)和推薦。在內(nèi)容方面,本書理論與實(shí)操兼顧,一方面系統(tǒng)講解了Embedding的基礎(chǔ)、技術(shù)、原理、方法和性能優(yōu)化,一方面詳細(xì)列舉和分析了Embedding在機(jī)器學(xué)習(xí)性能提升、中英文翻譯、推薦系統(tǒng)等6個(gè)重要場(chǎng)景的應(yīng)用實(shí)踐;在寫作方式上,秉承復(fù)雜問題簡(jiǎn)單化的原則,盡量避免復(fù)雜的數(shù)學(xué)公式,盡量采用可視化的表達(dá)方式,旨在降低本書的學(xué)習(xí)門檻,讓讀者能看得完、學(xué)得會(huì)。全書一共16章,分為兩個(gè)部分:第1部分(第1~9章)Embedding理論知識(shí)。主要講解Embedding的基礎(chǔ)知識(shí)、原理以及如何讓Embedding落地的相關(guān)技術(shù),如TensorFlow和PyTorch中的Embedding層、CNN算法、RNN算法、遷移學(xué)習(xí)方法等,重點(diǎn)介紹了Transformer和基于它的GPT、BERT預(yù)訓(xùn)練模型及BERT的多種改進(jìn)版本等。第二部分(第10~16章)Embedding應(yīng)用實(shí)例。通過6個(gè)實(shí)例介紹了Embedding及相關(guān)技術(shù)的實(shí)際應(yīng)用,包括如何使用Embedding提升傳統(tǒng)機(jī)器學(xué)習(xí)性,如何把Embedding技術(shù)應(yīng)用到推薦系統(tǒng)中,如何使用Embedding技術(shù)提升NLP模型的性能等。

吳茂貴 王紅星 ·人工智能 ·11.3萬字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 共和县| 枣阳市| 新龙县| 乐山市| 宜兰市| 石楼县| 西平县| 临安市| 新化县| 资兴市| 什邡市| 攀枝花市| 古交市| 馆陶县| 贵州省| 即墨市| 广饶县| 外汇| 布尔津县| 富川| 平罗县| 长宁县| 南召县| 建昌县| 库伦旗| 达日县| 吉安县| 河曲县| 新晃| 大同县| 渭源县| 江津市| 崇明县| 旬邑县| 浮梁县| 皋兰县| 香港| 娄烦县| 芒康县| 桓仁| 广丰县|