《機器學習、深度學習與強化學習》是2019年5月智慧財產權出版社出版的圖書，作者是林強。
基本介紹
- 書名：機器學習、深度學習與強化學習
- 作者：林強
- 出版社：智慧財產權出版社
- 出版時間：2019年5月1日
- 頁數：168 頁
- 定價：59 元
- 開本：16 開
- ISBN：9787513062534
內容簡介,圖書目錄,作者簡介,
內容簡介
本書從數學最佳化的角度對目前人工智慧的代表技術機器學習進行分析，解決了目前這一領域偏向套用，數學理論較弱的問題，從原理、數學解析兩個方面對特徵提取、分類、聚類、神經網路等進行了全面系統的剖析。解決了目前人工智慧領域偏向套用，數學理論較弱的問題，從原理解析、數學解析兩個方面對機器學習進行剖析。
圖書目錄
第一章 數據、數學與機器學習001
1.1 概述 / 003
1.2 數學與機器學習 / 005
1.3 數據與機器學習 / 008
1.4 深度學習與強化學習 / 014
1.5 本章小結 / 019
第二章 分類與回歸021
2.1 常用的分類方法 / 024
2.2 分類的數學解釋 / 032
2.3 回歸分析 / 038
2.4 回歸分析的數學解釋 / 041
2.5 本章小結 / 046
第三章 特徵選取047
3.1 數據預處理的步驟 / 050
3.2 數據預處理與特徵提取 / 057
3.3 主成分分析 / 059
3.4 因子分析 / 063
3.5 特徵提取問題的數學解析 / 067
3.6 本章小結 / 072
第四章 聚 類075
4.1 基本概念 / 078
4.2 聚類的過程 / 082
4.3 分析方法 / 083
4.4 基於K-means算法的聚類規則 / 088
4.5 聚類問題的數學解釋 / 091
4.6 本章小結 / 094
第五章 深度學習097
5.1 概述 / 099
5.2 神經網路模型 / 101
5.3 神經網路學習方法 / 103
5.4 神經網路的數學解釋 / 106
5.5 本章小結 / 111
第六章 強化學習113
6.1 樸素貝葉斯 / 115
6.2 貝葉斯信念網 / 118
6.3 動態貝葉斯網路 / 120
6.4 一般時序模型 / 121
6.5 馬爾可夫模型 / 131
6.6 本章小結 / 138
第七章 計算流與自組織141
7.1 信息流與計算流的結合 / 143
7.2 學習中的自組織行為 / 144
7.3 神經動力學與自組織 / 153
參考文獻157卷
作者簡介
林強，北京信息科技大學教師，副研究員。在人工智慧領域有著多年的實踐和教學經驗，以*一作者身份發表科研論文15篇，其中SCI1篇，EI9篇，ISTP2篇；以*一發明人身份申請國內外專利15項；其中13項已獲得授權，包括中國專利7項，美國專利4項，歐洲專利2項。
