具體描述
《機器學習理論及應用》內容簡介：機器學習新方法研究是實現機器學服務各行各業的曆史使命。根據這樣的宗旨，《機器學習理論及應用》係統地介紹瞭李群機器學習、動態模糊機器學習、Agent普適機器學習和貝葉斯量子隨機學習，共三篇十二章內容。
《機器學習理論及應用》可供計算機科學技術、認知科學、機器學習、人工智能、控製技術領域的高年級本科生和研究生作為教科書或參考書，也可供高校教師、科研院所的研究人員使用。
著者簡介
圖書目錄
總序前言第1章 引言第1篇 李群機器學習第2章 李群機器學習模型 2.1 引言 2.2 李群機器學習的概念 2.3 李群機器學習的代數模型 2.4 李群機器學習的幾何模型 2.5 李群機器學習公理假設 2.6 李群機器學習Dynkin圖的幾何學習算法 2.7 李群機器學習的綫形分類器設計 2.8 本章小結 參考文獻 第3章 李群機器學習(LML)子空間軌道生成算法 3.1 LML中偏序集及格的基本概念 3.2 LML子空間軌道生成格學習算法 3.3 LML中一般綫性群GLn(Fn)作用下學習子空間軌道生成格學習算法 3 4 本章小結 參考文獻 第4章 李群機器學習的辛群學習算法 4.1 問題提齣 4.2 李群機器學習中的辛群分類器設計 4.3 李群機器學與中的辛群分類器算法 4.4 應用實例 4.5 本章小結 參考文獻 第5章 李群機器學習的量子群學習算法 5.1 問題提齣 5.2 李群機器學習中的最乾群分類器構造方法 5.3 世子群學爿算法存分子對接巾的應用 5.4 本章小結 參考文獻 第6章 李群機器學習的縴堆叢學習算法 6.1 問題提齣 6.2 縴維叢學習模型 6.3 縴維叢學習算法 6.4 本章小結 參考文獻 第2篇 動態模糊機器學習第7章 動態模糊機器掌習模型 7.1 問題提齣 7.2 動態模糊機器學習模型 7.3 動態模糊機器學習係統的相關算法 7.4 動態模糊機器學習係統的過程控製模型 7.5 動態模糊關係學習算法 7.6 本章小結 參考文獻 第8章 動態模糊自主學習子空間學習算法 8.1 自主學習研究現狀分析 8.2 基於DFL的自主學習子空間的理論體係 8.3 基於DFL的自主學習子空間學習算法 8.4 本章小結 參考文獻 第9章 動態模糊決策樹學習 9.1 決策樹學習的研究現狀 9.2 動態模糊格的決策樹方法 9.3 動態模糊決策樹特殊屬性處理技術 9.4 動態模糊決策樹的剪枝策略 9.5 應用 9.6 本章小結 參考文獻 第10章 基於FDL的多Agent學習模型 10.1 引言 10.2 基於DFL的Agent心智模型 10.3 基於DFL的單Agent學習算法 10.4 基於DFL的多Agent學習模型 10.5 本章小結 參考文獻 第3篇 其他學習方法第11章 Agent普適機器學習 11.1 引言 11.2 Agent普適機器學習 11.3 一種Agent普適機器學習分類器設計 11.4 本章小結 參考文獻 第12章 貝葉斯量子隨機學習算法 12.1 問題提齣 12.2 相關基本理論 12.3 貝葉斯量子隨機學習模型 12.4 網絡結構的貝葉斯量子隨機學習算法設計 12.5 網絡參數的貝葉斯量子隨機學習算法設計 12.6 麵嚮缺失數據的貝葉斯量子隨機學習算法設計 12.7 本章小結 參考文獻 附錄 附錄1 拓撲群 附錄2 微分幾何概念 附錄3 流形學習算法 附錄4 辛群的基本概念和性質 附錄5 量子群的基本概念 附錄6 縴維叢 附錄7 動態模糊集(DFS) 附錄8 動態模糊(DF)關係 附錄9 動態模糊邏輯 附錄10 動態模糊格及其性質中英文名詞對照
· · · · · · (收起)
· · · · · · (收起)
讀後感
評分
評分
評分
評分
評分
用戶評價
评分
评分
评分
评分
评分
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有