图书介绍

机器学习理论及应用pdf电子书版本下载

机器学习理论及应用
  • 李凡长编著 著
  • 出版社: 中国科技大学出版社
  • ISBN:9787312026362
  • 出版时间:2009
  • 标注页数:478页
  • 文件大小:22MB
  • 文件页数:490页
  • 主题词:机器学习

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

机器学习理论及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 引言 1

第1篇 李群机器学习 13

第2章 李群机器学习模型 13

2.1 引言 13

2.2 李群机器学习的概念 13

2.3 李群机器学习的代数模型 24

2.4 李群机器学习的几何模型 27

2.5 李群机器学习公理假设 30

2.6 李群机器学习Dynkin图的几何学习算法 42

2.7 李群机器学习的线形分类器设计 49

2.8 本章小结 53

参考文献 53

第3章 李群机器学习(LML)子空间轨道生成算法 55

3.1 LML中偏序集及格的基本概念 55

3.2 LML子空间轨道生成格学习算法 72

3.3 LML中一般线性群GLn(Fn)作用下学习子空间轨道生成格学习算法 88

3.4 本章小结 97

参考文献 97

第4章 李群机器学习的辛群学习算法 99

4.1 问题提出 99

4.2 李群机器学习中的辛群分类器设计 105

4.3 李群机器学习中的辛群分类器算法 123

4.4 应用实例 129

4.5 本章小结 136

参考文献 136

第5章 李群机器学习的量子群学习算法 140

5.1 问题提出 140

5.2 李群机器学习中的量子群分类器构造方法 141

5.3 量子群学习算法在分子对接中的应用 149

5.4 本章小结 162

参考文献 162

第6章 李群机器学习的纤维丛学习算法 165

6.1 问题提出 165

6.2 纤维丛学习模型 166

6.3 纤维丛学习算法 171

6.4 本章小结 180

参考文献 180

第2篇 动态模糊机器学习第7章 动态模糊机器学习模型 185

7.1 问题提出 185

7.2 动态模糊机器学习模型 186

7.3 动态模糊机器学习系统的相关算法 201

7.4 动态模糊机器学习系统的过程控制模型 212

7.5 动态模糊关系学习算法 223

7.6 本章小结 230

参考文献 231

第8章 动态模糊自主学习子空间学习算法 235

8.1 自主学习研究现状分析 235

8.2 基于DFL的自主学习子空间的理论体系 238

8.3 基于DFL的自主学习子空间学习算法 242

8.4 本章小结 251

参考文献 251

第9章 动态模糊决策树学习 253

9.1 决策树学习的研究现状 253

9.2 动态模糊格的决策树方法 256

9.3 动态模糊决策树特殊属性处理技术 272

9.4 动态模糊决策树的剪枝策略 284

9.5 应用 291

9.6 本章小结 296

参考文献 297

第10章 基于DFL的多Agent学习模型 301

10.1 引言 301

10.2 基于DFL的Agent心智模型 303

10.3 基于DFL的单Agent学习算法 312

10.4 基于DFL的多Agent学习模型 317

10.5 本章小结 337

参考文献 337

第3篇 其他学习方法 343

第11章 Agent普适机器学习 343

11.1 引言 343

11.2 Agent普适机器学习 346

11.3 一种Agent普适机器学习分类器设计 358

11.4 本章小结 367

参考文献 367

第12章 贝叶斯量子随机学习算法 370

12.1 问题提出 370

12.2 相关基本理论 371

12.3 贝叶斯量子随机学习模型 387

12.4 网络结构的贝叶斯量子随机学习算法设计 395

12.5 网络参数的贝叶斯量子随机学习算法设计 403

12.6 面向缺失数据的贝叶斯量子随机学习算法设计 412

12.7 本章小结 420

参考文献 421

附录 427

附录1 拓扑群 427

附录2 微分几何概念 430

附录3 流形学习算法 431

附录4 辛群的基本概念和性质 435

附录5 量子群的基本概念 439

附录6 纤维丛 446

附录7 动态模糊集(DFS) 449

附录8 动态模糊(DF)关系 455

附录9 动态模糊逻辑 459

附录10 动态模糊格及其性质 462

中英文名词对照 467

精品推荐