日本一区二区三区免费视频,国产1024视频精品91久久,亚洲一区二区无码人妻视频

全書共包含18個章節(jié)，從概率密度、貝葉斯決策理論引入樣本學習的基本概念，進而介紹了近鄰域?qū)W習、核學習及神經(jīng)網(wǎng)絡(luò)學習，在此基礎(chǔ)上探討了PCA學習、VC維概念、函數(shù)估計問題等，后重點介紹了非常實用的支持向量機SVM及Boosting方法。各章均包含小結(jié)、附錄、習題及參考資料，非常適合于大專院校計算機及電氣工程類碩博士研究生及高年級學生作為教學參考書。

前言本書為新興領(lǐng)域的統(tǒng)計學習理論提供了一個寬泛和易于理解的入門性介紹，這一領(lǐng)域的發(fā)展源于對模式識別和機器學習、非參數(shù)統(tǒng)計、計算機科學、語言學中的語言學習和認知心理學、哲學問題中的歸納法以及哲學和科學方法論等學科與技術(shù)的研究。
本書是學習理論與認知論課程的非常好的入門教材，目前已在普林斯頓大學電氣工程專業(yè)的教學中使用。學習理論與認知論課程并沒有特定的基礎(chǔ)要求，向所有對其感興趣的學生開放，包括新生、主修科學的高年級學生，以及來自工程、人文、社會科學的學生。雖然許多材料技術(shù)性較強，但是我們發(fā)現(xiàn)大部分學生可以體會和領(lǐng)悟本書的要點。
模式識別的工程研究關(guān)注的是基于一個有用的方法研發(fā)出的自動化系統(tǒng)來區(qū)分不同的輸入模式。為郵局開發(fā)的系統(tǒng)用于如何掃描手寫地址并將郵件排序，制造商關(guān)注如何設(shè)計一個計算機系統(tǒng)把普通的談話內(nèi)容進行文字轉(zhuǎn)錄，還有諸如計算機能否用來分析醫(yī)學圖像，進而做出診斷等此類問題。
機器學習提供了對一些模式識別問題進行求解的有效方法。它可能是采用受過訓練的系統(tǒng)來識別手寫郵政編碼，或能使自動化系統(tǒng)與用戶進行交互使其學會實現(xiàn)對語音的識別；也許是使用機器學習算法來開發(fā)一套醫(yī)學圖像分析系統(tǒng)。
機器學習和模式識別也關(guān)注學習系統(tǒng)所包含的一般原則。一種系統(tǒng)化的方法技術(shù)非常有用，因為我們并不是從無到有開發(fā)算法并在每個新的應用程序中特設(shè)某一種方式。評估一個學習系統(tǒng)的性能所采用的技術(shù)也是非常重要的。對學習算法的實踐環(huán)節(jié)而言，知道什么是可實現(xiàn)的，什么是可用的評價基準，并提出新的技術(shù)也同等重要。
這些問題也出現(xiàn)在認知論與哲學問題中。我們能學到什么？以及我們?nèi)绾芜M行學習？我們能夠從其他思想和外部世界學到什么？通過歸納法我們又能學到什么？哲學問題的歸納法關(guān)注的是如何在歸納推理的基礎(chǔ)上學到一些新東西。而給定的事實是歸納推理前提的真實性無法保證其結(jié)論的真實性。這個問題沒有唯一解，這并不是因為無解，而是因為有太多解，這取決于采用什么學習方法。在本書中，我們解釋了如何根據(jù)歸納形成各種不同的解決方案。
因此，我們希望本書能為廣大讀者在統(tǒng)計學習理論中提供一個簡便的入門性介紹。對于那些對學習理論或?qū)嶋H算法的深入研究感興趣的讀者，我們希望本書提供給他們一個有益的出發(fā)點。而對于那些對一般的認知論和哲學感興趣的讀者，我們希望本書有助于他們從其他領(lǐng)域中領(lǐng)悟一些重要的想法。對其他讀者而言，我們也希望本書有助于他們對統(tǒng)計學習理論有更深層次的理解，因為它揭示了學習的本質(zhì)及其限制，這也是人工智能的核心進展。
感謝普林斯頓大學本科教育創(chuàng)新課程發(fā)展250周年紀念基金的資助。Rajeev Kulkarni對全書提供了非常有用的意見。Joel Predd和Maya Gupta提供了許多寶貴的意見。此外，感謝Joshua Harris對本書的仔細審讀。同時也感謝幾年來，我的助教和學生們一起對該課程內(nèi)容的討論。謝謝！

你還可能感興趣

我要評論