8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Машинное обучение и оптимизация (итальянский) Роберто Баттити, (итальянский) Мауро Брунато;

Цена: 1 196руб.    (¥66.5)
Артикул: 571014668242

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:新华在线图书专营店
Адрес:Сычуань
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 12.78 11.89214руб.
¥22.36403руб.
¥2294 118руб.
¥ 21 17.85321руб.
  • Информация о товаре
  • Фотографии

Машинное обучение и оптимизация

делать  (Италия) Робот&Middot; Роберто Баттити, (итальянский) Мао Луо&Миддот; Мауро Брунато;
Конечно   цена:89
вне&Ensp; издание&Encp; Общество:Люди после прессы
Дата публикации:01 мая 2018 года
Страница &Nbsp; номер:272
Пакет   кадр:Оплата в мягкой обложке
ISBN:9787115480293
Редакционная рекомендация

Сегодня эпоха, когда искусственный интеллект продвинулся, и разработка машинного обучения в полном разгаре.Тем не менее, сложные математические формулы и сложные профессиональные термины легко пугают у учащихся, которые только что вступают в контакт с этой областью.Существует ли такая книга машинного обучения, которая может отказаться от сложного вывода формулы и ведущих читателей, чтобы овладеть методом машинного обучения на практике?«Машинное обучение и оптимизация» - это именно такая книга!Его сочинение рождается в Университете Италии Университета Тотора (Lion Что еще более важно, книга специально представляет применение двух машинного обучения, то есть рекомендации по поиску информации и совместной работы, так что читатели понимают информацию ...

Оглавление
●Первый  Глава 1  Введение  11.1   Оптимизация обучения и интеллекта: огонь Лагухары  11.2   найдите золото и найдите партнера  31.3    51.4   за пределами традиционной коммерческой разведки  51.5 &Реализация метода NBSP; Lion  61.6  “ руки -на&Rdquo; как   6   2 главы  Ленивое обучение: недавно соседний метод   9 Глава 3 &Nbsp; как учиться  143.1    163.2   обучение, проверка и тестирование  183.3   разные типы ошибок   21 № 1 &часть nbsp; часть  ОБУЧЕНИЕ РУКОВОДСТВО ГЛАВА 4   линейная модель  264.1   линейная регрессия  274.2   советы по обработке нелинейных функциональных отношений  284.3   линейная модель для классификации  294.4 &Nbsp; как работает мозг  304.5 &Почему общие линейные модели и почему это успешно  314.6   минимизировать квадратную ошибку и  324.7   многочисленная нестабильность и возврат гребня   34 Глава 5   широко линейный минимальный ежедневный метод  375.1   преимущества и недостатки примерки и распределения карт  385.2   минимальный метод размножения и предпочтительную оценку  425.2.1   принять тест  425.2.2 &Nbsp; перекрестная проверка  445.3   self -service метод уверенности   44 Глава 6   Правила, деревья решений и леса  506.1   строительство дерева решений  526.2   демократия и решающий лес   56 Глава 7   сортировка и выбор функций  597.1   Особенности: ситуация  607.2   коэффициент корреляции  627.3   связанное соотношение  637.4   Тест Бэйфанга отказывается от статистической независимости  647.5   энтропия и взаимная информация   64 Глава 8   конкретная нелинейная модель  678.1  logistic  возврат  678.2   локальная взвешенная регрессия  698.3   используйте Lasso, чтобы уменьшить коэффициент и выберите входное значение   72 Глава 9   Нейронная сеть: много -слойное восприятие  769.1   Многооборотное восприятие  789.2   учиться с помощью метода обратной связи  809.2.1    метод обратного распространения драйвера  819.2.2   онлайн или случайное обратное общение  829.2.3   обучение хорошей оптимизации многослойного восприятия   83 №   Глава 10   8410.1    8510.1.1    8610.1.2   случайный шум, экранирование и курсы  8810.2   местный опыт дикой и сверткой сети   89 №   11 глав  Теория статистического обучения и векторная машина поддержки  9411.1   минимизируют эмпирический риск  9611.1.1   проблема линейного разделения  9811.1.2    10011.1.3   нелинейные предположения  10011.1.4   поддержка вектора для регрессии   101 №   Глава 12   10312.1   Классификатор минимальной ежедневной поддержки векторного класса  10412.2   надежная взвешенная минимальная ежедневная векторная машина поддержки  10612.3   подстриг и восстанавливается редко  10712.4     108 №   Глава 13  демократия в машинном обучении  11013.1   стек и слияние  11113.2   разнообразие, вызванное операциями экземпляров: метод мешков и метод улучшения  11313.3   разнообразие, вызванное операцией функций  11413.4   Разнообразие операции выходного значения: код коррекции ошибок  11513.5   разнообразие случайности на этапе обучения  11513.6   добавление логистического возврата  11513.7     118 №   Глава 14  расчет рекурсивной нейронной сети и резервного пула  12114.1   рекурсивная нейронная сеть  12214.2   Energy Experail Hopfield Network  12414.3   рекурсивная нейронная сеть и обратная связь с временем  12614.4   Обучение пула рекурсивного сети рекурсивных сети  12714.5   Over -Limited Learning Machine   128 Часть 2     Глава 15   13215.1    13415.2   кластеризация: представляет и измеряет  13515.3   K средний метод жесткого кластера или мягкого кластера   137 №   Глава 16   14216.1    14216.2   расстояние распределения точки адаптации: расстояние Ма  14416.3   Приложение: визуализация кластеризации   146   Глава 17  картирование самоорегализации  14917.1   отобразить сущность на прототип искусственной коры  15017.2   классификация зрелого самоорганизованного картирования   153 №   Глава 18   15518.1    15618.2   анализ основных компонентов  15818.3    16018.4   линейное суждение с помощью оптимизации соотношения  16118.5   Анализ линейного суждения феррильцев   163   19 главы  через нелинейное отображение визуальных диаграмм и сетей  16519.1   минимальная визуализация стресса  16619.2 &Nbsp; одна -размерная ситуация: рисунок спектра  16819.3     170   Глава 20&Nbsp; полу -супервантное обучение  17420.1    17520.1.1   разделение в областях низкой плотности  17720.1.2   алгоритм на основе рисунка  17720.1.3   Вес обучения  17920.1.4   интегрированные ограничения и измерение обучения   179 Часть 3   Оптимизация: источник власти   Глава 21   18421.1   оптимизация и обучение  18521.2 &Nbsp; одна измеренная ситуация на основе технологии руководства  18621.2.1   Руководство может быть приблизительным по линии резки  19021.2.2 &Nbsp; одно -мерная минимизация  19121.3    19121.3.1    19421.3.2 &Nbsp; вместе метод градиента  19621.4    19621.4.1    19721.4.2    19821.4.3 &Отношения между NBSP; Метод доверия домена  19921.4.4   метод резки  20021.4.5   уменьшить разрыв: метод второго порядка и линейная сложность  20121.5    20221.5.1   ras: адаптивность зоны отбора проб  20321.5.2   повторение для надежности и диверсификации   205 №   22 главы  локальный поиск и оптимизация поиска обратной связи  21122.1   локальный поиск на основе нарушения  21222.2   Оптимизация поиска обратной связи: учитесь при поиске  21522.3   Оптимизация поиска на основе табу -обратной связи   217   23 главы  Оптимизация поиска обратной связи NBSP;  22223.1   интеллектуальное сотрудничество локального процесса поиска  22323.2    22423.3   Corso Пример: RSO сотрудничать с RAS   226   Глава 24   23224.1    23324.2   Оптимизация мозга -коэффициента: пользователи в цикле   235 Часть 4   Выбор приложения №   Глава 25  добыча текста и веб -страницы  24025.1   Поиск веб -информации и организации  24125.1.1   Crawler  24125.1.2   Индекс  24225.2   поиск и рейтинг информации  24425.2.1   от документа к вектору: модель вектора -пространство  24525.2.2   Связанная обратная связь  24725.2.3   более сложное сходство  24825.3   используйте гиперссылки, чтобы внести веб -рейтинг  25025.4   определить центр и власть: хиты  25425.5   кластер   256 №   26 Глава  Совместная фильтрация и рекомендация  25726.1   комбинацией похожих пользователей  25826.2   модель на основе разложения матрицы   260 Справочная литература   263 индекс  269
Пунктирное содержание

краткое введение

Эта книга является шедевром в области практического боя машинного обучения.Эта книга объясняет надзор и обучение и неконтролируемое обучение в машинном обучении и объединяет такие специальные проблемы, как выбор и сортировка, методы сбора, текст и добыча веб -страницы.“ оптимизация является источником власти&Rdquo; эта точка зрения предоставляет практические оперативные предложения для применения машинного обучения на предприятиях.

об авторе

(Италия) Робот&Middot; Роберто Баттити, (итальянский) Мао Луо&Миддот; Мауро Брунато;

[Об авторе] Робото&Миддот; Знаменитое сейсмическое сообщество было сделано в направлении оптимизации поиска без контроля (RSO). &Директор NBSP;Мао Луо&Миддот; [Введение в переводчик] Доктор Ван Ян, в настоящее время занимающийся исследованиями в Федеральном технологическом институте в Цюрихе, Швейцария.