| 作者 | [希]西格尔斯·西奥多里蒂斯(Sergios Theodoridis) |
| 出版社 | 机械工业出版社 |
| 详情 | 开 本：16开纸 张：胶版纸包 装：平装-胶订是否套装：否国际标准书号ISBN：9787111692577丛书名：智能科学与技术丛书所属分类：图书->计算机/网络->人工智能->机器学习 |
| 作者介绍 | 西格尔斯·西奥多里蒂斯（Sergios Theodoridis） 雅典大学教授，香港中文大学（深圳）教授，研究兴趣包括机器学习、模式识别和信号处理等。他是IEEE Fellow、IET Fellow、EURASIP Fellow，曾任IEEE信号处理协会副主席、EURASIP主席以及IEEE Transactions on Signal Processing主编。曾获2017年EURASIP Athanasios Papoulis奖，2014年IEEE信号处理杂志论文奖，以及2014年EURASIP有价值服务奖等。此外，他还是经典著作《模式识别》的作者。 |
| 内容简介 | 本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、zui小二乘和zui大似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。 |
| 内容试读 | |