Распознавание образов и машинное обучение [Кристофер Бишоп]

Распознавание образов и машинное обучение
Издательство: Диалектика;
Год издания: 2019 г. (август)
Размер книги: формат 70х100/16 (170х240 мм)
Страниц: 960 стр.
Формат книги: сканированный PDF
Цена книги: 1800 руб.
Скан PDF


Аннотация:
Книга «Распознавание образов и машинное обучение» Кристофера. Бишопа - первая книга (уже ставшая классической!) по распознаванию образов, в основе которого лежит байесовский подход. Для понимания книги предварительные знания в области распознавания образов не требуются, но пригодится представление о многомерном анализе и основам линейной алгебры

Работы Кристофера Бишопа по теории статистического обучения широко известны исследователям в области распознавания образов и восстановления эмпирических закономерностей. Предлагаемая книга «Распознавание образов и машинное обучение» посвящена классическим и современным теориям и методам распознавания образов, находящим в настоящее время широкое применение во многих областях

Рассмотрены алгоритмы и приложения, в которые проникли новые модели, основанные на ядрах. Спектр рассматриваемых вопросов чрезвычайно широк, неоспоримым достоинством книги при этом являются доступность, последовательность и наглядность изложения. Для понимания и применения излагаемого материала достаточно знать лишь основы линейной алгебры и математического анализа и иметь некоторое представление о теории вероятностей. Описание вероятностных моделей сопровождается графическими моделями (что ранее не применялось ни в одной книге!)

Книга рассчитана на студентов старших курсов, аспирантов, инженеров и научных сотрудников, занятых в области теоретической и технической кибернетики, программистов. Она будет также интересна специалистам по теории вероятностей, математической статистике, биоинформатике и пр.

Автор книги «Распознавание образов и машинное обучение» Кристофер М. Бишоп, директор лаборатории Microsoft Research Cambridge, предоставляет в книге алгоритмы вывода, с помощью которых можно быстро найти ответы в ситуации, когда точные ответы невозможны