機器學習及其應(yīng)用2019

定　價：￥69.00

作　者：	于劍，封舉富，張敏靈，俞揚
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787302544357	出版時間：	2019-12-01	包裝：
開本：	16開	頁數(shù)：	240	字數(shù)：

內(nèi)容簡介

　　《機器學習及其應(yīng)用2019》是對第十五屆和第十六屆中國“機器學習及其應(yīng)用”研討會的一個總結(jié)，邀請了與會的11位專家就其研究領(lǐng)域撰文，以綜述的形式探討了機器學習不同分支及相關(guān)領(lǐng)域的研究成果。內(nèi)容涉及深度學習、主動學習、子空間學習、隨機優(yōu)化、因果圖模型、聚類、分類等，介紹了新型深度學習范式，以及機器學習在機器翻譯、大數(shù)據(jù)分析等方面的應(yīng)用?！稒C器學習及其應(yīng)用2019》可供計算機、自動化及相關(guān)專業(yè)的研究人員、教師、研究生和工程技術(shù)人員閱讀參考。

作者簡介

　　于劍，博士，目前任北京交通大學計算機學院教授，博導，人工智能研究院常務(wù)副院長，是交通數(shù)據(jù)分析與挖掘北京市重點實驗室主任，中國計算機學會會士，中國計算機學會人工智能與模式識別秘書長，中國人工智能學會機器學習專委會副主任。長期從事機器學習、自然語言處理等的研究和應(yīng)用。在國際雜志、國際會議和國內(nèi)一級刊物上發(fā)表學術(shù)論文數(shù)100余篇。出版有學術(shù)專著《機器學習：從公理到算法》。

圖書目錄

關(guān)于深度學習的一點思考
1 引言
2 深度神經(jīng)網(wǎng)絡(luò)
3 為何“深”
4 為何有必要探討DNN之外的深度模型
參考文獻
隨機梯度下降郎之萬動力學的泛化分析
1 介紹
2 基本設(shè)定
3 理想情況：Langevin方程的泛化性能
4 離散時間序列下SGLD的穩(wěn)定性
5 離散情形下SGLD算法的PAC-Bayesian理論
6 結(jié)論
參考文獻
A附錄
因果和因果圖模型
1 引言
2 因果
3 因果圖模型
4 圖模型空間
5 總結(jié)和討論
參考文獻
一致性學習理論研究
1 引言
2 相關(guān)工作
3 噪聲環(huán)境下k近鄰方法一致性
4 Pairwise損失函數(shù)一致性
5 總結(jié)與展望
參考文獻
大規(guī)模分類任務(wù)的分層學習
1 引言
2 類別的層次結(jié)構(gòu)
3 分層分類的性能評價
4 層次結(jié)構(gòu)的構(gòu)建
5 分層分類的特征選擇
6 分層分類器學習
7 停止機制設(shè)計
8 總結(jié)與展望
參考文獻
概念器的發(fā)展與應(yīng)用
1 概念器模型
2 基于概念器的深度神經(jīng)網(wǎng)絡(luò)模型
參考文獻
……
從譜聚類到自注意力模型——談經(jīng)典機器學習在深度學習時代的新形態(tài)
子空間學習研究進展與展望
主動學習研究簡介
神經(jīng)機器翻譯
面向個性化教育的大數(shù)據(jù)分析方法研究與應(yīng)用