孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

数据智能研究前沿

数据智能研究前沿
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: 著 , 编 , 编 , 编
出版社: 上海交通大学出版社
2019-12
版次: 2
ISBN: 9787313228413
定价: 188.00
装帧: 精装
开本: 16开
页数: 392页
分类: 计算机与互联网
2人买过
  • 数据智能是以数据为中心、以“感一知一用”为模式的人工智能，也可以说是以数据获取、加工、处理、分析、应用为智能特征的人工智能。数据智能包括智能感知、智能认知（机器学习）、智能控制/智能决策等方面，是近代人工智能研究最为活跃、应用最为普遍的部分。本分册主要从深度生成模型、生成式对抗网络、模型驱动深度学习、自步一课程学习、强化学习、迁移学习及演化智能方面进行阐述，涵盖标准算法及精选的应用案例，总结了近年来数据智能研究的**发展与成果。 1  深度生成模型
      1.1  引言
      1.2  模型定义
        1.2.1  生成模型基本概念
        1.2.2  基于层次化贝叶斯的建模
        1.2.3  基于深度神经网络的建模
      1.3  学习方法
        1.3.1  最大似然估计
        1.3.2  对抗式生成网络
        1.3.3  矩匹配深度生成模型
      1.4  “珠算”概率编程库
        1.4.1  模型构建
        1.4.2  推断和学习算法
      1.5  典型应用
        1.5.1  生成高质量的图片、视频、音频
        1.5.2  半监督学习
        1.5.3  风格迁移
        1.5.4  强化学习
      1.6  总结与展望
      参考文献
    2  生成式对抗网络
      2.1  引言
      2.2  生成式对抗网络概况
        2.2.1  GAN提出的背景
        2.2.2  GAN的基本概念
        2.2.3  GAN的优势
        2.2.4  GAN面临的挑战
        2.2.5  小结
      2.3  GAN的网络结构
        2.3.1  DOCN
        2.3.2  OGAN
        2.3.3  InfoCAN
        2.3.4  其他网络结构
      2.4  GAN的损失函数
        2.4.1  LSGAN
        2.4.2  WGAN
        2.4.3  WGAN-GP
        2.4.4  EBGAN
        2.4.5  BEGAN
        2.4.6  RGAN
      2.5  GAN的正则化方法
        2.5.1  批归一化
        2.5.2  权值归一化
        2.5.3  谱归一化
        2.5.4  正则化方法比较
      2.6  GAN的训练与评价
        2.6.1  训练技巧
        2.6.2  优化算法
        2.6.3  评价指标
      2.7  GAN的应用
        2.7.1  计算机视觉
        2.7.2  自然语言处理
        2.7.3  智能语音
        2.7.4  其他领域
      2.8  总结与展望
      参考文献
    3  模型驱动深度学习
      3.1  模型驱动深度学习概述
      3.2  优化模型驱动的深度学习
        3.2.1  稀疏编码优化深度网络
        3.2.2  ADMM深度网络及其在压缩传感成像中的应用
      3.3  统计模型驱动的深度学习
        3.3.1  MRF统计分布参数估计的深度学习方法
        3.3.2  条件随机场模型驱动的深度学习
        3.3.3  小结
      3.4  其他领域模型驱动的深度学习方法
      3.5  总结与展望
        参考文献
    4  自步一课程学习
      4.1  课程学习
      4.2  自步学习
      4.3  自步正则
      4.4  自步一课程学习
      4.5  用武之地
      4.6  从强监督到弱监督
        4.6.1  零样本学习
        4.6.2  弱监督学习――多示例学习
        4.6.3  半监督学习――自步协同学习
      4.7  自步一课程学习理论
        4.7.1  稳健性理论
        4.7.2  收敛性理论
        4.7.3  凹共轭理论
      4.8  元学习方法
      4.9  总结与展望
        参考文献
    5  强化学习
      5.1  强化学习简介
        5.1.1  强化学习模型
        5.1.2  马尔可夫决策过程
        5.1.3  学习最优策略：无模型方法
        5.1.4  通过学习模型来计算最优策略
      5.2  深度强化学习
        5.2.1  基于值函数的深度强化学习
        5.2.2  基于策略梯度的深度强化学习
        5.2.3  基于行动者一评论家的深度强化学习
      5.3  迁移强化学习
        5.3.1  迁移强化学习的定义
        5.3.2  基于样例迁移的迁移强化学习
        5.3.3  基于表示迁移的迁移强化学习
        5.3.4  基于参数迁移的迁移强化学习
        5.3.5  基于关系迁移的迁移强化学习
        5.3.6  迁移强化学习的评估
      5.4  分层强化学习
        5.4.1  基于选项的分层强化学习
        5.4.2  基于MaxQ函数分解的分层强化学习
        5.4.3  基于分层抽象机的分层强化学习
        5.4.4  深度分层强化学习和自动分层
      5.5  逆向强化学习
        5.5.1  基本概念
        5.5.2  求解奖励函数
        5.5.3  大状态空间下的奖励函数求解
        5.5.4  基于最大熵的逆向强化学习
        5.5.5  生成对抗模仿学习算法
      5.6  多智能体强化学习
        5.6.1  多智能体学习目标
        5.6.2  基于表格表征的多智能体强化学习
        5.6.3  深度多智能体强化学习
    参考文献
    6  迁移学习
      6.1  迁移学习的概念
        6.1.1  迁移学习的定义
        6.1.2  迁移学习的问题设定
      6.2  迁移学习的理论基础
        6.2.1  数据集偏移及其原因
        6.2.2  转导迁移学习经典理论
        6.2.3  间隔分歧散度
        6.2.4  j纳迁移学习的经典理论
      6.3  归纳迁移学习
        6.3.1  有监督预训练
        6.3.2  无监督预训练
        6.3.3  微调
      6.4  转导迁移学习
        6.4.1  样本重要性加权方法
        6.4.2  基于距离约束的领域适应方法
        6.4.3  基于对抗学习的领域适应方法
      6.5  无监督迁移学习
        6.5.1  双向生成式对抗网络
      6.6  迁移学习的相关范式
        6.6.1  多任务学习
        6.6.2  少样本学习
        6.6.3  持续学习
        6.6.4  元学习
      6.7  迁移学习的应用
        6.7.1  智慧医疗
        6.7.2  自动驾驶
        6.7.3  机器人控制
      参考文献
    7  演化智能
      7.1  演化人工神经网络
        7.1.1  权值演化
        7.1.2  网络结构和学习规则的演化
        7.1.3  EPNet：一种混合型演化神经网络方法
      7.2  多目标演化
        7.2.1  演化多目标优化
        7.2.2  演化多目标机器学习
      7.3  协同演化
        7.3.1  协同
  • 内容简介:
    数据智能是以数据为中心、以“感一知一用”为模式的人工智能，也可以说是以数据获取、加工、处理、分析、应用为智能特征的人工智能。数据智能包括智能感知、智能认知（机器学习）、智能控制/智能决策等方面，是近代人工智能研究最为活跃、应用最为普遍的部分。本分册主要从深度生成模型、生成式对抗网络、模型驱动深度学习、自步一课程学习、强化学习、迁移学习及演化智能方面进行阐述，涵盖标准算法及精选的应用案例，总结了近年来数据智能研究的**发展与成果。
  • 目录:
    1  深度生成模型
      1.1  引言
      1.2  模型定义
        1.2.1  生成模型基本概念
        1.2.2  基于层次化贝叶斯的建模
        1.2.3  基于深度神经网络的建模
      1.3  学习方法
        1.3.1  最大似然估计
        1.3.2  对抗式生成网络
        1.3.3  矩匹配深度生成模型
      1.4  “珠算”概率编程库
        1.4.1  模型构建
        1.4.2  推断和学习算法
      1.5  典型应用
        1.5.1  生成高质量的图片、视频、音频
        1.5.2  半监督学习
        1.5.3  风格迁移
        1.5.4  强化学习
      1.6  总结与展望
      参考文献
    2  生成式对抗网络
      2.1  引言
      2.2  生成式对抗网络概况
        2.2.1  GAN提出的背景
        2.2.2  GAN的基本概念
        2.2.3  GAN的优势
        2.2.4  GAN面临的挑战
        2.2.5  小结
      2.3  GAN的网络结构
        2.3.1  DOCN
        2.3.2  OGAN
        2.3.3  InfoCAN
        2.3.4  其他网络结构
      2.4  GAN的损失函数
        2.4.1  LSGAN
        2.4.2  WGAN
        2.4.3  WGAN-GP
        2.4.4  EBGAN
        2.4.5  BEGAN
        2.4.6  RGAN
      2.5  GAN的正则化方法
        2.5.1  批归一化
        2.5.2  权值归一化
        2.5.3  谱归一化
        2.5.4  正则化方法比较
      2.6  GAN的训练与评价
        2.6.1  训练技巧
        2.6.2  优化算法
        2.6.3  评价指标
      2.7  GAN的应用
        2.7.1  计算机视觉
        2.7.2  自然语言处理
        2.7.3  智能语音
        2.7.4  其他领域
      2.8  总结与展望
      参考文献
    3  模型驱动深度学习
      3.1  模型驱动深度学习概述
      3.2  优化模型驱动的深度学习
        3.2.1  稀疏编码优化深度网络
        3.2.2  ADMM深度网络及其在压缩传感成像中的应用
      3.3  统计模型驱动的深度学习
        3.3.1  MRF统计分布参数估计的深度学习方法
        3.3.2  条件随机场模型驱动的深度学习
        3.3.3  小结
      3.4  其他领域模型驱动的深度学习方法
      3.5  总结与展望
        参考文献
    4  自步一课程学习
      4.1  课程学习
      4.2  自步学习
      4.3  自步正则
      4.4  自步一课程学习
      4.5  用武之地
      4.6  从强监督到弱监督
        4.6.1  零样本学习
        4.6.2  弱监督学习――多示例学习
        4.6.3  半监督学习――自步协同学习
      4.7  自步一课程学习理论
        4.7.1  稳健性理论
        4.7.2  收敛性理论
        4.7.3  凹共轭理论
      4.8  元学习方法
      4.9  总结与展望
        参考文献
    5  强化学习
      5.1  强化学习简介
        5.1.1  强化学习模型
        5.1.2  马尔可夫决策过程
        5.1.3  学习最优策略：无模型方法
        5.1.4  通过学习模型来计算最优策略
      5.2  深度强化学习
        5.2.1  基于值函数的深度强化学习
        5.2.2  基于策略梯度的深度强化学习
        5.2.3  基于行动者一评论家的深度强化学习
      5.3  迁移强化学习
        5.3.1  迁移强化学习的定义
        5.3.2  基于样例迁移的迁移强化学习
        5.3.3  基于表示迁移的迁移强化学习
        5.3.4  基于参数迁移的迁移强化学习
        5.3.5  基于关系迁移的迁移强化学习
        5.3.6  迁移强化学习的评估
      5.4  分层强化学习
        5.4.1  基于选项的分层强化学习
        5.4.2  基于MaxQ函数分解的分层强化学习
        5.4.3  基于分层抽象机的分层强化学习
        5.4.4  深度分层强化学习和自动分层
      5.5  逆向强化学习
        5.5.1  基本概念
        5.5.2  求解奖励函数
        5.5.3  大状态空间下的奖励函数求解
        5.5.4  基于最大熵的逆向强化学习
        5.5.5  生成对抗模仿学习算法
      5.6  多智能体强化学习
        5.6.1  多智能体学习目标
        5.6.2  基于表格表征的多智能体强化学习
        5.6.3  深度多智能体强化学习
    参考文献
    6  迁移学习
      6.1  迁移学习的概念
        6.1.1  迁移学习的定义
        6.1.2  迁移学习的问题设定
      6.2  迁移学习的理论基础
        6.2.1  数据集偏移及其原因
        6.2.2  转导迁移学习经典理论
        6.2.3  间隔分歧散度
        6.2.4  j纳迁移学习的经典理论
      6.3  归纳迁移学习
        6.3.1  有监督预训练
        6.3.2  无监督预训练
        6.3.3  微调
      6.4  转导迁移学习
        6.4.1  样本重要性加权方法
        6.4.2  基于距离约束的领域适应方法
        6.4.3  基于对抗学习的领域适应方法
      6.5  无监督迁移学习
        6.5.1  双向生成式对抗网络
      6.6  迁移学习的相关范式
        6.6.1  多任务学习
        6.6.2  少样本学习
        6.6.3  持续学习
        6.6.4  元学习
      6.7  迁移学习的应用
        6.7.1  智慧医疗
        6.7.2  自动驾驶
        6.7.3  机器人控制
      参考文献
    7  演化智能
      7.1  演化人工神经网络
        7.1.1  权值演化
        7.1.2  网络结构和学习规则的演化
        7.1.3  EPNet：一种混合型演化神经网络方法
      7.2  多目标演化
        7.2.1  演化多目标优化
        7.2.2  演化多目标机器学习
      7.3  协同演化
        7.3.1  协同
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
12
相关图书 / 更多
数据智能研究前沿
数据新闻与信息可视化
周葆华；徐笛；崔迪
￥24.80 起
数据智能研究前沿
数据合规师概论
郑少华、商建刚
￥68.00 起
数据智能研究前沿
数据思维——从数据分析到商业价值（第2版）
王汉生
￥65.33 起
数据智能研究前沿
数据科学优化方法
孙怡帆
￥28.42 起
数据智能研究前沿
数据资产入表：理论与实务
赵治纲
￥53.80 起
数据智能研究前沿
数据处理技术与方法研究
付雯
￥18.36 起
数据智能研究前沿
数据治理 工业企业数字化转型之道 第2版
祝守宇
￥80.42 起
数据智能研究前沿
数据可视化Pyecharts探秘实践教程/新工科大数据专业群实践丛书
余先昊、袁华 编
￥24.58 起
数据智能研究前沿
数据标注工程——语言知识与应用
于东
￥21.32 起
数据智能研究前沿
数据可视化基础与应用
刘佳 许桂秋 李静雯
￥25.65 起
数据智能研究前沿
数据权利保护的模式与机制
余圣琪
￥42.35 起
数据智能研究前沿
数据科学伦理：概念、技术和警世故事
[比利时]大卫·马滕斯(David；Martens
￥34.25 起
您可能感兴趣 / 更多
数据智能研究前沿
数控加工技术
姚新 主编
￥0.20 起
数据智能研究前沿
计算智能及其应用
姚新 著
￥7.44 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全