注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計算機/網(wǎng)絡(luò)人工智能機器學(xué)習(xí)的數(shù)學(xué)理論

機器學(xué)習(xí)的數(shù)學(xué)理論

機器學(xué)習(xí)的數(shù)學(xué)理論

定 價:¥69.00

作 者: [中] 史斌(Bin Shi) 著,李飛 等 譯
出版社: 機械工業(yè)出版社
叢編項: 智能科學(xué)與技術(shù)叢書
標(biāo) 簽: 暫缺

購買這本書可以去


ISBN: 9787111661368 出版時間: 2020-08-01 包裝: 平裝
開本: 16開 頁數(shù): 152 字?jǐn)?shù):  

內(nèi)容簡介

  《機器學(xué)習(xí)的數(shù)學(xué)理論》重點研究機器學(xué)習(xí)的數(shù)學(xué)理論。第一部分探討了在非凸優(yōu)化問題中,選擇梯度下降步長來避免嚴(yán)z格鞍點的自適應(yīng)性。第二部分提出了在非凸優(yōu)化中尋找局部極小值的算法,并利用牛頓第二定律在一定程度上得到無摩擦的全局極小值。第三部分研究了含有噪聲和缺失數(shù)據(jù)的子空間聚類問題,這是一個由隨機高斯噪聲的實際應(yīng)用數(shù)據(jù)和含有均勻缺失項的不完全數(shù)據(jù)激發(fā)的問題;還提出了一種新的具有粘性網(wǎng)正則化的VAR模型及其等價貝葉斯模型,該模型既考慮了穩(wěn)定的稀疏性,又考慮了群體選擇。《機器學(xué)習(xí)的數(shù)學(xué)理論》可作為本科生或研究生的入門教材。對于希望進一步加強對機器學(xué)習(xí)的理解的教授、行業(yè)專家和獨立研究人員來說,該書也是好的選擇。

作者簡介

  史斌(Bin Shi)博士目前是加州大學(xué)伯克利分校的博士后研究員。他的研究重點是機器學(xué)習(xí)理論,特別是機器學(xué)習(xí)中的優(yōu)化理論。史斌博士2006年畢業(yè)于中國海洋大學(xué)應(yīng)用數(shù)學(xué)專業(yè),獲理學(xué)學(xué)士學(xué)位;2008年至2011年師從復(fù)旦大學(xué)袁小平教授學(xué)習(xí)現(xiàn)代常微分方程理論,并接受嚴(yán)格的數(shù)學(xué)訓(xùn)練;2011年獲復(fù)旦大學(xué)數(shù)學(xué)專業(yè)和麻省大學(xué)達特茅斯分校理論物理專業(yè)理學(xué)雙碩士學(xué)位。他的研究興趣集中在統(tǒng)計機器學(xué)習(xí)和優(yōu)化,以及一些理論計算機科學(xué),他的研究成果已發(fā)表在NIPS OPT-2017研討會和INFORMS Jour-nal on Optimization(機器學(xué)習(xí)特刊)上。S.S.艾揚格(S.S.lyengar)博士,是邁阿密佛羅里達國際大學(xué)杰出的大學(xué)教授、杰出的Ryder教授和計算與信息科學(xué)學(xué)院院長,是分布式傳感器網(wǎng)絡(luò)/傳感器融合、機器人技術(shù)計算領(lǐng)域以及高性能計算領(lǐng)域的先驅(qū)。他曾是印度科學(xué)理工學(xué)院(IISC)班加羅爾分校的Satish Dhawan教授,以及泰米爾納德邦Kalpakkam IGCAR的Homi Bhabha教授,還曾是巴黎大學(xué)、清華大學(xué)、KAIST等的客座教授。他發(fā)表研究論文600余篇,在MIT出版社、John Wiley & Sons出版社、Prentice Hall出版社、CRC出版社、Springer Verlag出版社等出版22部專著,這些出版物已在世界各地的重點大學(xué)使用。他擁有許多專利,其中一些專利還出現(xiàn)在得克薩斯州達拉斯市舉辦的世界技術(shù)論壇上。他的研究出版物涉及高效算法、并行計算、傳感器網(wǎng)絡(luò)和機器人的設(shè)計與分析。在過去的40年里,他指導(dǎo)了55名博士生、100名碩士生和許多本科生,這些學(xué)生現(xiàn)在遍布世界各地,有的是重點大學(xué)的教師,有的是國家實驗室/工業(yè)領(lǐng)域的科學(xué)家或工程師。他的許多本科生仍在從事他的研究項目。最近,艾揚格博士獲得了Times Network媒體集團評選的2017年度非居民印度人獎,這是一個為全球印度領(lǐng)導(dǎo)人設(shè)立的著名獎項。艾揚格博士是歐洲科學(xué)院成員,IEEE、ACM、AAAS、美國國家發(fā)明家科學(xué)院(NAI)、美國設(shè)計與工藝學(xué)會(SPDS)、美國工程師學(xué)會(FIE)、美國醫(yī)學(xué)與生物工程學(xué)會(AIMBE)的高級或資深會員。由于對傳感器融合算法和并行算法的貢獻,他獲得了班加羅爾印度科學(xué)研究所的杰出校友獎和IEEE計算機協(xié)會技術(shù)成就獎。他還在噴氣推進實驗室獲得了IBM杰出教師獎和NASA夏季獎學(xué)金。他是2010年得克薩斯州奧斯汀市跨學(xué)科學(xué)習(xí)與高級研究學(xué)院的研究員。他獲得了各種國內(nèi)和國際獎項,包括Times Network媒體集團評選的2017年度非居民印度人獎、2013年美國國家發(fā)明家科學(xué)院院士獎、2013年倫敦上議院的NRI圣雄甘地·普拉瓦西獎?wù)?,以及國際敏捷制造協(xié)會(ISAM)授予的終身成就獎,以表彰他在教學(xué)、研究和管理領(lǐng)域的杰出成就以及對印度理工學(xué)院(BHU)在工程和計算機科學(xué)領(lǐng)域做出的畢生貢獻。2012年,他和Nulogix榮獲2012年佛羅里達創(chuàng)新一產(chǎn)業(yè)獎(i2i)。因在傳感器網(wǎng)絡(luò)、計算機視覺和圖像處理領(lǐng)域的研究,他獲得了廈門大學(xué)頒發(fā)的杰出研究獎。他與他的研究小組的里程碑式的貢獻,包括在分布式傳感器網(wǎng)絡(luò)中開發(fā)用于監(jiān)視和目標(biāo)定位的網(wǎng)格覆蓋與Brooks-Iyengar融合算法。他獲得了富布賴特杰出研究獎,以及2019年IEEE智能和安全信息學(xué)研究領(lǐng)導(dǎo)獎;在第25屆國際IEEE高性能計算會議(2019年)上,因其對分布式傳感器網(wǎng)絡(luò)的貢獻而獲得終身成就獎,該獎由Infosys的聯(lián)合創(chuàng)始人Narayana Murthy博士頒發(fā);獲得佛羅里達州青光眼裝置創(chuàng)新技術(shù)工業(yè)創(chuàng)新獎、LSU Rainmaker獎,以及杰出研究碩士獎。他還被授予榮譽理工科博士學(xué)位。他在世界上許多公司和大學(xué)的顧問委員會任職,還曾在許多國家科學(xué)委員會任職,如美國國立衛(wèi)生研究院生物信息學(xué)國家醫(yī)學(xué)圖書館、國家科學(xué)基金會評審小組、美國宇航局空間科學(xué)、國土安全部、海軍安全辦公室等。他對美國海軍研究實驗室的貢獻是一項開拓性工作的核心,該項工作旨在為科學(xué)技術(shù)發(fā)展圖像分析,并擴大美國海軍研究實驗室的目標(biāo)。他的研究成果可以在多家公司和多個國家實驗室中看到,如雷神公司、Telcordia公司、摩托羅拉公司、美國海軍、DARPA和其他美國機構(gòu)。他在DARPA與BBN、劍橋、馬薩諸塞、MURI、PSU/ARL、杜克大學(xué)、威斯康星大學(xué)、加州大學(xué)洛杉磯分校(UCLA)、康奈爾大學(xué)和LSU的研究人員項目演示中做出了重要貢獻。他也是International Journal of Distributed Sen-sor Networks的創(chuàng)刊編輯。他曾是多家期刊的編委會成員,也是多所大學(xué)的博士委員會成員,包括卡內(nèi)基梅隆大學(xué)(CMU)、杜克大學(xué)和世界各地的許多其他大學(xué)。他目前是ACM Computing Surveys等期刊的編輯。他還是FIU發(fā)現(xiàn)實驗室的創(chuàng)始主任。他的研究成果被廣泛引用。他的基礎(chǔ)工作已經(jīng)轉(zhuǎn)化為獨特的技術(shù)。在長達40年的職業(yè)生涯中,艾揚格博士以一種獨特的方式致力于運用數(shù)學(xué)形態(tài)學(xué)來定量地理解計算過程,并將其應(yīng)用于許多領(lǐng)域。

圖書目錄

譯者序
序言
致謝
前言
作者簡介
第一部分 引言
第1章 緒論
11 神經(jīng)網(wǎng)絡(luò)
12 深度學(xué)習(xí)
13 梯度下降法
14 小結(jié)
15 本書結(jié)構(gòu)
第2章 通用數(shù)學(xué)框架
21 機器學(xué)習(xí)與計算統(tǒng)計學(xué)
22 小結(jié)
第3章 優(yōu)化理論簡述
31 機器學(xué)習(xí)所需的優(yōu)化理論
32 在線算法:機器學(xué)習(xí)的順序更新
33 小結(jié)
第4章 改進的CoCoSSC方法
41 問題描述
42 梯度加速下降法
43 CoCoSSC方法
44 在線時變粘性網(wǎng)算法
45 小結(jié)
第5章 關(guān)鍵術(shù)語
51 一些定義
52 小結(jié)
第6章 關(guān)于非凸規(guī)劃幾何的相關(guān)研究
61 多元時間序列數(shù)據(jù)集
62 粒子學(xué)習(xí)
63 在氣候變化中的應(yīng)用
64 小結(jié)
第二部分 機器學(xué)習(xí)的數(shù)學(xué)框架:理論部分
第7章 收斂到最小值的梯度下降法:最優(yōu)和自適應(yīng)的步長規(guī)則
71 引言
72 符號與預(yù)備知識
73 最大允許步長
74 自適應(yīng)步長規(guī)則
75 定理71的證明
76 定理72的證明
77 輔助定理
78 技術(shù)證明
79 小結(jié)
第8章 基于優(yōu)化的守恒定律方法
81 準(zhǔn)備:直觀的解析演示
82 辛方法與算法
83 局部高速收斂現(xiàn)象的漸近分析
84 實驗演示
85 小結(jié)與展望
第三部分 機器學(xué)習(xí)的數(shù)學(xué)框架:應(yīng)用部分
第9章 含有噪聲和缺失觀測值的稀疏子空間聚類的樣本復(fù)雜度的改進
91 CoCoSSC算法的主要結(jié)果
92 證明
93 數(shù)值結(jié)果
94 技術(shù)細節(jié)
95 小結(jié)
第10章 多元時間序列中穩(wěn)定和分組因果關(guān)系的在線發(fā)現(xiàn)
101 問題表述
102 粘性網(wǎng)正則化
103 在線推理
104 實驗驗證
105 小結(jié)與展望
第11章 后記
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號