機(jī)器學(xué)習(xí)及其應(yīng)用
定 價(jià):79 元
叢書名:“十三五”普通高等教育規(guī)劃教材
- 作者:汪榮貴 楊娟 薛麗霞
- 出版時(shí)間:2019/8/1
- ISBN:9787111632023
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:TP181
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
《機(jī)器學(xué)習(xí)及其應(yīng)用》比較系統(tǒng)地介紹機(jī)器學(xué)習(xí)的基礎(chǔ)理論與應(yīng)用技術(shù)。首先,介紹掌握機(jī)器學(xué)習(xí)理論和方法所必須具備的基礎(chǔ)知識,包括機(jī)器學(xué)習(xí)的基本概念與發(fā)展歷程、模型構(gòu)造與優(yōu)化的基本方法;然后,介紹和討論監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等傳統(tǒng)機(jī)器學(xué)習(xí)理論與方法;在詳細(xì)探討神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)基本理論的基礎(chǔ)上,介紹深度卷積網(wǎng)絡(luò)、深度循環(huán)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等若干典型深度學(xué)習(xí)模型的基本理論與訓(xùn)練范式,分析討論深度強(qiáng)化學(xué)習(xí)的基本理論與方法!稒C(jī)器學(xué)習(xí)及其應(yīng)用》站在高年級本科生和低年級碩士研究生的思維角度編寫,盡可能用樸實(shí)的語言深入淺出地準(zhǔn)確表達(dá)知識內(nèi)容,著重突出機(jī)器學(xué)習(xí)方法的思想內(nèi)涵和本質(zhì),使得廣大讀者能夠掌握全書主要內(nèi)容。
《機(jī)器學(xué)習(xí)及其應(yīng)用》每章均配有一定數(shù)量的習(xí)題,適合作為智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、計(jì)算機(jī)類相關(guān)專業(yè)的本科生或研究生的機(jī)器學(xué)習(xí)入門級教材,也可供工程技術(shù)人員和自學(xué)的讀者學(xué)習(xí)參考。
深度凝練機(jī)器學(xué)習(xí)的現(xiàn)有知識體系,注重突出對基本理論與關(guān)鍵技術(shù)的介紹和討論。
盡可能用樸實(shí)的語言深入淺出地介紹機(jī)器學(xué)習(xí)理論及相關(guān)算法設(shè)計(jì)技術(shù)。
在每個(gè)章節(jié)穿插相應(yīng)的應(yīng)用實(shí)例,使得廣大讀者能夠比較系統(tǒng)地掌握機(jī)器學(xué)習(xí)應(yīng)用技術(shù)。
人類文明由早期農(nóng)耕時(shí)代經(jīng)歷漫長演化進(jìn)入工業(yè)時(shí)代,再由工業(yè)時(shí)代進(jìn)一步發(fā)展邁入當(dāng)今的信息時(shí)代。數(shù)字化、網(wǎng)絡(luò)化和智能化是信息時(shí)代的基本特征,將給人類文明帶來科學(xué)技術(shù)水平上的巨大提升,令社會的方方面面產(chǎn)生深刻的變革,使得當(dāng)代人們的生活和工作更加舒適、便捷。目前,作為引領(lǐng)信息社會發(fā)展動力的信息技術(shù)已經(jīng)歷了數(shù)字化和網(wǎng)絡(luò)化階段,正朝著智能化方向快速發(fā)展,人工智能技術(shù)在全社會得到前所未有的重視和廣泛應(yīng)用,并以前所未有的速度向前飛躍發(fā)展。為順應(yīng)時(shí)代發(fā)展潮流和把握發(fā)展機(jī)遇,我國及時(shí)制定并推出了新一代人工智能發(fā)展規(guī)劃,把人工智能發(fā)展放在國家戰(zhàn)略層面進(jìn)行系統(tǒng)布局,使得人工智能成為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力。目前,人工智能的理論研究和應(yīng)用開發(fā)是一個(gè)非常重要的優(yōu)先發(fā)展方向。
人工智能作為人腦器官的延伸,主要目標(biāo)是通過計(jì)算機(jī)模擬人類大腦的某些思維方式或智能行為,如推理、證明、識別、感知、認(rèn)知、理解、學(xué)習(xí)等思維方式或活動,使得計(jì)算機(jī)能夠像人類一樣進(jìn)行思考。從外部環(huán)境中獲得知識和經(jīng)驗(yàn)的學(xué)習(xí)能力是人類的一項(xiàng)基本思維能力,機(jī)器學(xué)習(xí)要解決的問題就是如何使得機(jī)器具有與人類類似的學(xué)習(xí)能力,使得機(jī)器系統(tǒng)能夠較好地了解外部環(huán)境并能夠適應(yīng)外部環(huán)境的變化。機(jī)器學(xué)習(xí)為人工智能系統(tǒng)提供了基礎(chǔ)性的核心算法支撐,人工智能系統(tǒng)主要使用機(jī)器學(xué)習(xí)技術(shù)解析外部環(huán)境數(shù)據(jù),從數(shù)據(jù)中獲取知識和模型參數(shù),獲得可用于決策或預(yù)測的數(shù)學(xué)模型。要想學(xué)好人工智能,首先必須牢固掌握機(jī)器學(xué)習(xí)的基礎(chǔ)理論與應(yīng)用技術(shù)。
機(jī)器學(xué)習(xí)的主要目標(biāo)是通過計(jì)算手段從經(jīng)驗(yàn)數(shù)據(jù)等先驗(yàn)信息中獲得一個(gè)具有較好泛化性能的數(shù)學(xué)模型,并使用該模型完成預(yù)測、分類和聚類等機(jī)器學(xué)習(xí)任務(wù)。因此,機(jī)器學(xué)習(xí)的研究對象主要是從經(jīng)驗(yàn)數(shù)據(jù)等先驗(yàn)信息中產(chǎn)生或構(gòu)造模型的訓(xùn)練學(xué)習(xí)算法,或者說機(jī)器學(xué)習(xí)是一門關(guān)于訓(xùn)練學(xué)習(xí)算法設(shè)計(jì)理論與應(yīng)用技術(shù)的學(xué)問。我們知道,算法設(shè)計(jì)是一種思維的藝術(shù),需要一定的抽象思維能力和數(shù)學(xué)知識。機(jī)器學(xué)習(xí)算法更是如此,不僅涉及微積分、數(shù)理邏輯、數(shù)理統(tǒng)計(jì)、矩陣計(jì)算、圖論等數(shù)學(xué)知識,而且涉及眾多zui優(yōu)化理論與方法,這些為廣大初學(xué)者掌握機(jī)器學(xué)習(xí)知識帶來一定困難。為較好地滿足廣大讀者系統(tǒng)地掌握機(jī)器學(xué)習(xí)入門性基礎(chǔ)理論與應(yīng)用技術(shù)的需要,本書的編寫著重考慮如下兩個(gè)要點(diǎn):
第一,注重知識體系的完備性。作為人工智能的核心技術(shù),機(jī)器學(xué)習(xí)隨著人工智能的產(chǎn)生而產(chǎn)生并隨著人工智能理論的發(fā)展而發(fā)展,目前已形成一個(gè)非常龐大且正在快速延伸發(fā)展的知識體系,眾多學(xué)習(xí)算法精彩紛呈、目不暇接、不勝枚舉。本書通過深度凝練機(jī)器學(xué)習(xí)的現(xiàn)有知識體系,構(gòu)造一套相對完備的入門級機(jī)器學(xué)習(xí)基礎(chǔ)理論與應(yīng)用技術(shù),在基本涵蓋連接學(xué)習(xí)、符號學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)這三種基本學(xué)習(xí)類型的基礎(chǔ)上,注重突出對基本理論與關(guān)鍵技術(shù)的介紹和討論。
第二,強(qiáng)調(diào)可讀性和可理解性。本書站在高年級本科生和低年級碩士研究生的思維角度編寫,在保證表達(dá)準(zhǔn)確的前提下,盡可能用樸實(shí)的語言深入淺出地介紹機(jī)器學(xué)習(xí)理論及相關(guān)算法設(shè)計(jì)技術(shù),盡可能細(xì)致地闡述理論與算法的思想內(nèi)涵和本質(zhì)。通過學(xué)習(xí)書中實(shí)際算例的具體演算過程,讀者能夠?qū)C(jī)器學(xué)習(xí)理論與算法有更加清晰、全面的理解。需要說明的是,本書并沒有為了增加可讀性而降低應(yīng)有的內(nèi)容深度,只是通過比較恰當(dāng)?shù)姆绞桨严嚓P(guān)知識表達(dá)得更加清楚明白,使得廣大讀者能夠通過自己的努力就可以比較輕松地掌握機(jī)器學(xué)習(xí)的基本理論與應(yīng)用技術(shù)。
本書比較系統(tǒng)地介紹機(jī)器學(xué)習(xí)的入門性基礎(chǔ)理論與應(yīng)用技術(shù),內(nèi)容主要包括機(jī)器學(xué)習(xí)的基本知識、模型估計(jì)與優(yōu)化的基本方法、監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)方法、集成學(xué)習(xí)、強(qiáng)化學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)方法,將機(jī)器學(xué)習(xí)的經(jīng)典內(nèi)容與深度學(xué)習(xí)等前沿內(nèi)容有機(jī)地結(jié)合在一起,形成一套相對完整、統(tǒng)一的知識體系,并在每個(gè)章節(jié)穿插相應(yīng)的應(yīng)用實(shí)例,使得廣大讀者不但能夠較好地掌握機(jī)器學(xué)習(xí)的基本理論,而且能夠比較系統(tǒng)地掌握其應(yīng)用技術(shù),為今后的工作和進(jìn)一步學(xué)習(xí)打下扎實(shí)的理論與應(yīng)用基礎(chǔ)。全書共包含如下9章內(nèi)容:
第1章和第2章是全書zui基礎(chǔ)的知識內(nèi)容,主要為后續(xù)機(jī)器學(xué)習(xí)具體方法的介紹提供必備的理論和技術(shù)基礎(chǔ)。第1章主要介紹機(jī)器學(xué)習(xí)的基本知識,包括機(jī)器學(xué)習(xí)基本概念、誤差分析、發(fā)展歷程及需要解決的基本問題;第2章主要介紹模型估計(jì)與優(yōu)化的基本方法,包括模型的參數(shù)估計(jì)、模型優(yōu)化的基本概念與方法,以及若干模型正則化策略。
第3章至第6章比較系統(tǒng)地介紹傳統(tǒng)機(jī)器學(xué)習(xí)理論與方法。第3章主要介紹監(jiān)督學(xué)習(xí)模型與算法,包括線性模型、決策樹模型、貝葉斯模型和支持向量機(jī)模型;第4章主要介紹聚類分析、主分量分析、稀疏編碼等無監(jiān)督學(xué)習(xí)的基本理論和方法;第5章主要介紹集成學(xué)習(xí)方法,包括Bagging集成學(xué)習(xí)和Boosting集成學(xué)習(xí)方法;第6章主要介紹強(qiáng)化學(xué)習(xí)方法,包括基本強(qiáng)化學(xué)習(xí)和示范強(qiáng)化學(xué)習(xí)方法。
第7章至第9章比較系統(tǒng)地介紹神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)方法。第7章主要介紹神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的基本知識,包括神經(jīng)網(wǎng)絡(luò)的基本概念、基本模型和常用模型,以及深度學(xué)習(xí)的基本理論和模型訓(xùn)練方法;第8章主要介紹幾種常用的深度網(wǎng)絡(luò)模型與訓(xùn)練范式,包括深度卷積網(wǎng)絡(luò)、深度循環(huán)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò);第9章主要介紹深度強(qiáng)化學(xué)習(xí)理論與方法,包括基于價(jià)值的學(xué)習(xí)和基于策略的學(xué)習(xí)。
限于篇幅,本書未將半監(jiān)督學(xué)習(xí)、多示例學(xué)習(xí)、流形學(xué)習(xí)、遷移學(xué)習(xí)、度量學(xué)習(xí)、元學(xué)習(xí)、分布式學(xué)習(xí)等相對比較專門的機(jī)器學(xué)習(xí)前沿研究內(nèi)容納入介紹范圍,讀者可以查閱相關(guān)專著、學(xué)術(shù)論文或技術(shù)報(bào)告。事實(shí)上,如果牢固掌握了本書所介紹的機(jī)器學(xué)習(xí)基本知識內(nèi)容,那么進(jìn)一步學(xué)習(xí)和研究這些前沿知識就不是一件很難的事情。
本書由汪榮貴、楊娟、薛麗霞編著。感謝研究生葉萌、朱正發(fā)、湯明空、李文靜、俞鵬飛、姚旭晨、陳龍、江迪、鄭巖、韓夢雅、鄧韜、王靜、龔毓秀、李明熹、董博文、麻可可、李懂、劉兵,以及本科生孫旭等同學(xué)提供的幫助,感謝合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院、合肥工業(yè)大學(xué)人工智能學(xué)院、機(jī)械工業(yè)出版社的大力支持。
由于時(shí)間倉促,書中難免存在不妥之處,敬請讀者不吝指正。
前言
第1章機(jī)器學(xué)習(xí)概述
1.1機(jī)器學(xué)習(xí)基本概念
1.1.1人工智能與機(jī)器學(xué)習(xí)
1.1.2機(jī)器學(xué)習(xí)基本術(shù)語
1.1.3機(jī)器學(xué)習(xí)誤差分析
1.2機(jī)器學(xué)習(xí)發(fā)展歷程
1.2.1感知機(jī)與連接學(xué)習(xí)
1.2.2符號學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)
1.2.3連接學(xué)習(xí)的興起
1.3機(jī)器學(xué)習(xí)基本問題
1.3.1特征提取
1.3.2規(guī)則構(gòu)造
1.3.3模型評估
1.4習(xí)題
第2章模型估計(jì)與優(yōu)化
2.1模型參數(shù)估計(jì)
2.1.1zui小二乘估計(jì)
2.1.2zui大似然估計(jì)
2.1.3zui大后驗(yàn)估計(jì)
2.2模型優(yōu)化基本方法
2.2.1梯度下降法
2.2.2牛頓迭代法
2.3模型優(yōu)化概率方法
2.3.1隨機(jī)梯度法
2.3.2zui大期望法
2.3.3蒙特卡洛法
2.4模型正則化策略
2.4.1范數(shù)懲罰
2.4.2樣本增強(qiáng)
2.4.3對抗訓(xùn)練
2.5習(xí)題
第3章監(jiān)督學(xué)習(xí)
3.1線性模型
3.1.1模型結(jié)構(gòu)
3.1.2線性回歸
3.1.3線性分類
3.2決策樹模型
3.2.1模型結(jié)構(gòu)
3.2.2判別標(biāo)準(zhǔn)
3.2.3模型構(gòu)造
3.3貝葉斯模型
3.3.1貝葉斯方法
3.3.2貝葉斯分類
3.3.3貝葉斯回歸
3.4支持向量機(jī)
3.4.1線性可分性
3.4.2核函數(shù)技術(shù)
3.4.3結(jié)構(gòu)風(fēng)險(xiǎn)分析
3.5監(jiān)督學(xué)習(xí)應(yīng)用
3.5.1信用風(fēng)險(xiǎn)評估
3.5.2垃圾郵件檢測
3.5.3車牌定位與識別
3.6習(xí)題
第4章無監(jiān)督學(xué)習(xí)
4.1聚類分析
4.1.1劃分聚類法
4.1.2密度聚類法
4.2主分量分析
4.2.1基本PCA方法
4.2.2核PCA方法
4.3稀疏編碼與學(xué)習(xí)
4.3.1稀疏編碼概述
4.3.2稀疏表示學(xué)習(xí)
4.3.3數(shù)據(jù)字典學(xué)習(xí)
4.4無監(jiān)督學(xué)習(xí)應(yīng)用
4.4.1熱點(diǎn)話題發(fā)現(xiàn)
4.4.2自動人臉識別
4.5習(xí)題
第5章集成學(xué)習(xí)
5.1集成學(xué)習(xí)基本知識
5.1.1集成學(xué)習(xí)基本概念
5.1.2集成學(xué)習(xí)基本范式
5.1.3集成學(xué)習(xí)泛化策略
5.2Bagging集成學(xué)習(xí)
5.2.1Bagging集成策略
5.2.2隨機(jī)森林模型結(jié)構(gòu)
5.2.3隨機(jī)森林訓(xùn)練算法
5.3Boosting集成學(xué)習(xí)
5.3.1Boosting集成策略
5.3.2AdaBoost集成學(xué)習(xí)算法
5.3.3GBDT集成學(xué)習(xí)算法
5.4集成學(xué)習(xí)應(yīng)用
5.4.1房價(jià)預(yù)測分析
5.4.2自動人臉檢測
5.5習(xí)題
第6章強(qiáng)化學(xué)習(xí)
6.1強(qiáng)化學(xué)習(xí)概述
6.1.1強(qiáng)化學(xué)習(xí)基本知識
6.1.2馬爾可夫模型
6.1.3強(qiáng)化學(xué)習(xí)計(jì)算方式
6.2基本強(qiáng)化學(xué)習(xí)
6.2.1值迭代學(xué)習(xí)
6.2.2時(shí)序差分學(xué)習(xí)
6.2.3Q學(xué)習(xí)
6.3示范強(qiáng)化學(xué)習(xí)
6.3.1模仿強(qiáng)化學(xué)習(xí)
6.3.2逆向強(qiáng)化學(xué)習(xí)
6.4強(qiáng)化學(xué)習(xí)應(yīng)用
6.4.1自動爬山小車
6.4.2五子棋自動對弈
6.5習(xí)題
第7章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
7.1神經(jīng)網(wǎng)絡(luò)概述
7.1.1神經(jīng)元與感知機(jī)
7.1.2前饋網(wǎng)絡(luò)模型
7.1.3模型訓(xùn)練基本流程
7.2神經(jīng)網(wǎng)絡(luò)常用模型
7.2.1徑向基網(wǎng)絡(luò)
7.2.2自編碼器
7.2.3玻爾茲曼機(jī)
7.3深度學(xué)習(xí)基本知識
7.3.1淺層學(xué)習(xí)與深度學(xué)習(xí)
7.3.2深度堆棧網(wǎng)絡(luò)
7.3.3DBN模型及訓(xùn)練策略
7.4神經(jīng)網(wǎng)絡(luò)應(yīng)用
7.4.1光學(xué)字符識別
7.4.2自動以圖搜圖
7.5習(xí)題
第8章常用深度網(wǎng)絡(luò)模型
8.1深度卷積網(wǎng)絡(luò)
8.1.1卷積網(wǎng)絡(luò)概述
8.1.2基本網(wǎng)絡(luò)模型
8.1.3改進(jìn)網(wǎng)絡(luò)模型
8.2深度循環(huán)網(wǎng)絡(luò)
8.2.1動態(tài)系統(tǒng)展開
8.2.2網(wǎng)絡(luò)結(jié)構(gòu)與計(jì)算
8.2.3模型訓(xùn)練策略
8.3生成對抗網(wǎng)絡(luò)
8.3.1生成器與判別器
8.3.2網(wǎng)絡(luò)結(jié)構(gòu)與計(jì)算
8.3.3模型訓(xùn)練策略
8.4常用深度網(wǎng)絡(luò)應(yīng)用
8.4.1圖像目標(biāo)檢測
8.4.2自動文本摘要
8.5習(xí)題
第9章深度強(qiáng)化學(xué)習(xí)
9.1深度強(qiáng)化學(xué)習(xí)概述
9.1.1基本學(xué)習(xí)思想
9.1.2基本計(jì)算方式
9.1.3蒙特卡洛樹搜索
9.2基于價(jià)值的學(xué)習(xí)
9.2.1深度Q網(wǎng)絡(luò)
9.2.2深度雙Q網(wǎng)絡(luò)
9.2.3DQN模型改進(jìn)
9.3基于策略的學(xué)習(xí)
9.3.1策略梯度算法
9.3.2Actor-Critic算法
9.3.3DDPG學(xué)習(xí)算法
9.4深度強(qiáng)化學(xué)習(xí)應(yīng)用
9.4.1智能巡航小車
9.4.2圍棋自動對弈
9.5習(xí)題
參考文獻(xiàn)