注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網絡人工智能機器學習的數(shù)學理論

機器學習的數(shù)學理論

機器學習的數(shù)學理論

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: 智能科學與技術叢書
標 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 字數(shù):  

內容簡介

  《機器學習的數(shù)學理論》重點研究機器學習的數(shù)學理論。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z格鞍點的自適應性。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?!稒C器學習的數(shù)學理論》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習的理解的教授、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伯克利分校的博士后研究員。他的研究重點是機器學習理論,特別是機器學習中的優(yōu)化理論。史斌博士2006年畢業(yè)于中國海洋大學應用數(shù)學專業(yè),獲理學學士學位;2008年至2011年師從復旦大學袁小平教授學習現(xiàn)代常微分方程理論,并接受嚴格的數(shù)學訓練;2011年獲復旦大學數(shù)學專業(yè)和麻省大學達特茅斯分校理論物理專業(yè)理學雙碩士學位。他的研究興趣集中在統(tǒng)計機器學習和優(yōu)化,以及一些理論計算機科學,他的研究成果已發(fā)表在NIPS OPT-2017研討會和INFORMS Jour-nal on Optimization(機器學習特刊)上。S.S.艾揚格(S.S.lyengar)博士,是邁阿密佛羅里達國際大學杰出的大學教授、杰出的Ryder教授和計算與信息科學學院院長,是分布式傳感器網絡/傳感器融合、機器人技術計算領域以及高性能計算領域的先驅。他曾是印度科學理工學院(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、清華大學、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論壇上。他的研究出版物涉及高效算法、并行計算、傳感器網絡和機器人的設計與分析。在過去的40年里,他指導了55名博士生、100名碩士生和許多本科生,這些學生現(xiàn)在遍布世界各地,有的是重點大學的教師,有的是國家實驗室/工業(yè)領域的科學家或工程師。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導人設立的著名獎項。艾揚格博士是歐洲科學院成員,IEEE、ACM、AAAS、美國國家發(fā)明家科學院(NAI)、美國設計與工藝學會(SPDS)、美國工程師學會(FIE)、美國醫(yī)學與生物工程學會(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研究所的杰出校友獎和IEEE計算機協(xié)會技術成就獎。他還在噴氣推進實驗室獲得了IBM杰出教師獎和NASA夏季獎學金。他是2010年得克薩斯州奧斯汀市跨學科學習與高級研究學院的研究員。他獲得了各種國內和國際獎項,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)明家科學院院士獎、2013年倫敦上議院的NRI圣雄甘地·普拉瓦西獎章,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、研究和管理領域的杰出成就以及對印度理工學院(BHU)在工程和計算機科學領域做出的畢生貢獻。2012年,他和Nulogix榮獲2012年佛羅里達創(chuàng)新一產業(yè)獎(i2i)。因在傳感器網絡、計算機視覺和圖像處理領域的研究,他獲得了廈門大學頒發(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絡中開發(fā)用于監(jiān)視和目標定位的網格覆蓋與Brooks-Iyengar融合算法。他獲得了富布賴特杰出研究獎,以及2019年IEEE智能和安全信息學研究領導獎;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絡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位。他在世界上許多公司和大學的顧問委員會任職,還曾在許多國家科學委員會任職,如美國國立衛(wèi)生研究院生物信息學國家醫(yī)學圖書館、國家科學基金會評審小組、美國宇航局空間科學、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技術發(fā)展圖像分析,并擴大美國海軍研究實驗室的目標。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。他在DARPA與BBN、劍橋、馬薩諸塞、MURI、PSU/ARL、杜克大學、威斯康星大學、加州大學洛杉磯分校(UCLA)、康奈爾大學和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,也是多所大學的博士委員會成員,包括卡內基梅隆大學(CMU)、杜克大學和世界各地的許多其他大學。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。他的基礎工作已經轉化為獨特的技術。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)學形態(tài)學來定量地理解計算過程,并將其應用于許多領域。

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 神經網絡
12 深度學習
13 梯度下降法
14 小結
15 本書結構
第2章 通用數(shù)學框架
21 機器學習與計算統(tǒng)計學
22 小結
第3章 優(yōu)化理論簡述
31 機器學習所需的優(yōu)化理論
32 在線算法:機器學習的順序更新
33 小結
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 在線時變粘性網算法
45 小結
第5章 關鍵術語
51 一些定義
52 小結
第6章 關于非凸規(guī)劃幾何的相關研究
61 多元時間序列數(shù)據(jù)集
62 粒子學習
63 在氣候變化中的應用
64 小結
第二部分 機器學習的數(shù)學框架:理論部分
第7章 收斂到最小值的梯度下降法:最優(yōu)和自適應的步長規(guī)則
71 引言
72 符號與預備知識
73 最大允許步長
74 自適應步長規(guī)則
75 定理71的證明
76 定理72的證明
77 輔助定理
78 技術證明
79 小結
第8章 基于優(yōu)化的守恒定律方法
81 準備: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 小結與展望
第三部分 機器學習的數(shù)學框架:應用部分
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雜度的改進
91 CoCoSSC算法的主要結果
92 證明
93 數(shù)值結果
94 技術細節(jié)
95 小結
第10章 多元時間序列中穩(wěn)定和分組因果關系的在線發(fā)現(xiàn)
101 問題表述
102 粘性網正則化
103 在線推理
104 實驗驗證
105 小結與展望
第11章 后記
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.shuitoufair.cn 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號