人人可懂的模式識別（原書第2版）

石井健一郎 上田修功 前田英作 村瀨洋 譯者 申富饒//於僡

人人可懂的模式識別（原書第2版）
  • 出版商: 機械工業
  • 出版日期: 2024-08-01
  • 售價: $594
  • 貴賓價: 9.5 折 $564
  • 語言: 簡體中文
  • 頁數: 206
  • 裝訂: 平裝
  • ISBN: 7111759893
  • ISBN-13: 9787111759898

    • 立即出貨

買這商品的人也買了...

商品描述

本書是日本人工智慧領域的暢銷書，作者皆為模式識別領域的知名學者，他們基於多年的研究、實務經驗和獨特的視角，
從模式識別的基本概念開始，以簡單易懂的語言介紹了機器學習、識別函數設計、
特徵的評估、特徵空間的變換、子空間法、最小平方法等常用的模式辨識基礎知識與演算法。
此外，精心設計的習題能幫助讀者進一步深入理解模式辨識理論，心得欄位提供了作者在實際研究中的一些很有價值的思考。
本書內容深入淺出且具有新意，適合對模式辨識有興趣的初學者，對專業人士也具有較高的參考價值。

目錄大綱

CONTENTS
目　　錄
前言
初版前言
符號一覽表
第1章　模式辨識概述??1
1.1　模式辨識系統的構成??1
1.2　特徵向量與特徵空間??2
1.3　原型與最近鄰規則??6
習題??10
第2章　學習與辨識函數??12
2.1　學習的必要性??12
2.2　最近鄰規則與線性辨識函數??13
2.3　感知器的學習規則??16
2.4　感知器的學習實驗??25
2.5　分段線性辨識函數??28
習題??33
第3章　基於誤差評估的學習??35
3.1　平方誤差最小化學習??35
3.2　誤差評估與感知器??44
3.3　神經網路與誤差反向傳播法??48
3.4　3層神經網路實驗??54
3.5　中間層功能的確認實驗??57
習題??62
第4章　識別單元的設計??63
4.1　參數學習與非參數學習??63
4.2　參數的估計??66
4.3　辨識函數的設計??69
4.4　特徵空間的維度與學習模式數??77
4.5　辨識單元的最佳化??81
習題??84
第5章　特徵評估與貝葉斯誤差??86
5.1　評價特徵??86
5.2　類間變異數與類內變異數的比值??87
5.3　貝葉斯誤差??88
5.4　貝葉斯誤差與最近鄰規則??92
5.5　貝葉斯誤差估計法??99
5.6　特徵評估的實驗??105
習題??108
第6章　特徵空間的變換??110
6.1　特徵選擇與特徵空間的變換??110
6.2　特徵量的歸一化??113
6.3　KL展開??116
6.4　線性判別法??125
6.5　KL展開的適用法??147
習題??151
第7章　子空間法??154
7.1　子空間法的基礎??154
7.2　CLAFIC法??155
7.3　子空間法和相似度法??158
7.4　正交子空間法??162
7.5　學習子空間法??163
習題??164
第8章　學習演算法的一般化??165
8.1　期望損失最小化學習??165
8.2　各種損失??166
8.3　機率下降法??171
習題??176
第9章　學習演算法與貝葉斯決策規則??177
9.1　基於最小平方法的學習??177
9.2　最小平方法和各種學習法??188
習作??191
附　　錄??192
結　　語??200
參考文獻??203

類似商品