免费下载书籍地址：PDF下载地址
精美图片
机器学习:贝叶斯和优化方法 (希)西格尔斯·西奥多里蒂斯 机械工业出版社【正版书】书籍详细信息
- ISBN：9787111565260
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2017-05
- 页数：暂无页数
- 价格：59.00
- 纸张：胶版纸
- 装帧：平装-胶订
- 开本：16开
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
寄语：
全国三仓发货，物流便捷，下单秒杀，欢迎选购！
内容简介：
暂无相关简介，正在全力查找中！
书籍目录：
Contents
Preface.iv
Acknowledgments.vv
Notation.vfivi
CHAPTER 1 Introduction .1
1.1 What Machine Learning is About1
1.1.1 Classification.2
1.1.2 Regression3
1.2 Structure and a Road Map of the Book5
References8
CHAPTER 2 Probability and Stochastic Processes 9
2.1 Introduction.10
2.2 Probability and Random Variables.10
2.2.1Probability11
2.2.2Discrete Random Variables12
2.2.3Continuous Random Variables14
2.2.4Meanand Variance15
2.2.5Transformation of Random Variables.17
2.3 Examples of Distributions18
2.3.1Discrete Variables18
2.3.2Continuous Variables20
2.4 Stochastic Processes29
2.4.1First and Second Order Statistics.30
2.4.2Stationarity and Ergodicity30
2.4.3PowerSpectral Density33
2.4.4Autoregressive Models38
2.5 InformationTheory.41
2.5.1Discrete Random Variables42
2.5.2Continuous Random Variables45
2.6 Stochastic Convergence48
Problems49
References51
CHAPTER 3 Learning in Parametric Modeling: Basic Concepts and Directions 53
3.1 Introduction.53
3.2 Parameter Estimation: The Deterministic Point of View.54
3.3 Linear Regression.57
3.4 Classification60
3.5 Biased Versus Unbiased Estimation.64
3.5.1 Biased or Unbiased Estimation?65
3.6 The Cramér-Rao Lower Bound67
3.7 Suf?cient Statistic.70
3.8 Regularization.72
3.9 The Bias-Variance Dilemma.77
3.9.1 Mean-Square Error Estimation77
3.9.2 Bias-Variance Tradeoff78
3.10 MamumLikelihoodMethod.82
3.10.1 Linear Regression: The Nonwhite Gaussian Noise Case84
3.11 Bayesian Inference84
3.11.1 The Mamum a Posteriori Probability Estimation Method.88
3.12 Curse of Dimensionality89
3.13 Validation.91
3.14 Expected and Empirical Loss Functions.93
3.15 Nonparametric Modeling and Estimation.95
Problems.97
References102
CHAPTER4 Mean-quare Error Linear Estimation105
4.1Introduction.105
4.2Mean-Square Error Linear Estimation: The Normal Equations106
4.2.1The Cost Function Surface107
4.3A Geometric Viewpoint: Orthogonality Condition109
4.4Extensionto Complex-Valued Variables111
4.4.1Widely Linear Complex-Valued Estimation113
4.4.2Optimizing with Respect to Complex-Valued Variables: Wirtinger Calculus116
4.5Linear Filtering.118
4.6MSE Linear Filtering: A Frequency Domain Point of View120
4.7Some Typical Applications.124
4.7.1Interference Cancellation124
4.7.2System Identification125
4.7.3Deconvolution: Channel Equalization126
4.8Algorithmic Aspects: The Levinson and the Lattice-Ladder Algorithms132
4.8.1The Lattice-Ladder Scheme.137
4.9Mean-Square Error Estimation of Linear Models.140
4.9.1The Gauss-Markov Theorem143
4.9.2Constrained Linear Estimation:The Beamforming Case145
4.10Time-Varying Statistics: Kalman Filtering148
Problems.154
References158
CHAPTER 5 Stochastic Gradient Descent: The LMS Algorithm and its Family .161
5.1 Introduction.162
5.2 The Steepest Descent Method163
5.3 Application to the Mean-Square Error Cost Function167
5.3.1 The Complex-Valued Case175
5.4 Stochastic Appromation177
5.5 The Least-Mean-Squares Adaptive Algorithm179
5.5.1 Convergence and Steady-State Performanceof the LMS in Stationary Environments.181
5.5.2 Cumulative Loss Bounds186
5.6 The Affine Projection Algorithm.188
5.6.1 The Normalized LMS.193
5.7 The Complex-Valued Case.194
5.8 Relatives of the LMS.196
5.9 Simulation Examples.199
5.10 Adaptive Decision Feedback Equalization202
5.11 The Linearly Constrained LMS204
5.12 Tracking Performance of the LMS in Nonstationary Environments.206
5.13 Distributed Learning:The Distributed LMS208
5.13.1Cooperation Strategies.209
5.13.2The Diffusion LMS211
5.13.3 Convergence and Steady-State Performance: Some Highlights218
5.13.4 Consensus-Based Distributed Schemes.220
5.14 A Case Study:Target Localization222
5.15 Some Concluding Remarks: Consensus Matrix.223
Problems.224
References227
CHAPTER 6 The Least-Squares Family 233
6.1 Introduction.234
6.2 Least-Squares Linear Regression: A Geometric Perspective.234
6.3 Statistical Properties of the LS Estimator236
6.4
作者介绍：
暂无相关内容，正在全力查找中
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：机器学习:贝叶斯和优化方法 (希)西格尔斯·西奥多里蒂斯 机械工业出版社【正版书】在线阅读
在线听书地址：机器学习:贝叶斯和优化方法 (希)西格尔斯·西奥多里蒂斯 机械工业出版社【正版书】在线收听
在线购买地址：机器学习:贝叶斯和优化方法 (希)西格尔斯·西奥多里蒂斯 机械工业出版社【正版书】在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
暂无其它内容！
书籍真实打分
故事情节：3分
人物塑造：9分
主题深度：5分
文字风格：4分
语言运用：4分
文笔流畅：7分
思想传递：7分
知识深度：5分
知识广度：9分
实用性：9分
章节划分：7分
结构布局：5分
新颖与独特：3分
情感共鸣：7分
引人入胜：9分
现实相关：9分
沉浸感：8分
事实准确性：9分
文化贡献：4分
网站评分
书籍多样性：3分
书籍信息完全性：3分
网站更新速度：5分
使用便利性：7分
书籍清晰度：4分
书籍格式兼容性：4分
是否包含广告：9分
加载速度：4分
安全性：6分
稳定性：4分
搜索功能：6分
下载便捷性：8分
下载点评
- 引人入胜(499+)
- 经典(598+)
- txt(248+)
- 超值(567+)
- 情节曲折(234+)
- 体验差(249+)
- 赚了(252+)
- 内容齐全(539+)
- 品质不错(345+)
下载评价
网友 郗***兰：网站体验不错
网友 堵***格：OK，还可以
网友 曾***玉：直接选择epub/azw3/mobi就可以了，然后导入微信读书，体验百分百！！！
网友 曹***雯：为什么许多书都找不到？
网友 瞿***香：非常好就是加载有点儿慢。
网友 晏***媛：够人性化！
网友 家***丝：好6666666
网友 通***蕊：五颗星、五颗星，大赞还觉得不错！~~
网友 敖***菡：是个好网站，很便捷
网友 谢***灵：推荐，啥格式都有
网友 常***翠：哈哈哈哈哈哈
网友 孙***美：加油！支持一下！不错，好用。大家可以去试一下哦
网友 田***珊：可以就是有些书搜不到
网友 屠***好：还行吧。
网友 后***之：强烈推荐！无论下载速度还是书籍内容都没话说 真的很良心！