机读格式显示(MARC)

• 000 01589nam0 2200253 450

• 001 0000764517

• 010 __ |a 978-7-5606-5291-7 |d CNY45.00

• 100 __ |a 20191022d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 610000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习的PAC-Bayes理论评价及应用 |A ji qi xue xi de PAC-Bayesli lun ping jia ji ying yong |f 汤莉著

• 210 __ |a 西安 |c 西安电子科技大学出版社 |d 2019.1

• 215 __ |a 214页 |c 图 |d 26cm

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目 (第196-214页)

• 330 __ |a 本书由基础理论和应用实践两大部分组成, 书中分析了计算学习理论及PAC可学习框架, 剖析了 PAC-Bayes理论的内涵, 并在阐述统计学习理论和支持向量机基本原理的基础上, 论述了 PAC-Bayes边界应用于支持向量机算法的相关推论。书中讨论了结合再生核希尔伯特空间和马尔科夫链蒙特卡洛方法, 实现PAC-Bayes边界的计算。同时, 介绍了目前各种机器学习算法上的PAC-Bayes泛化误差边界, 以及PAC-Bayes理论在机器学习中的各种应用。最后, 将机器学习算法与PAC-Bayes理论运用于Web文档评价、蛋白质预测、空气质量预测、京津冀一体化研究、高校科研人才评价、中国货币供应量等研究实例中。

• 333 __ |a 本书可以作为计算机、信息科学等相关专业高年级本科生和研究生的参考书或教材, 也可以作为教师、科研人员和相关培训机构的参考书。本书定位于希望快速学习机器学习, 人工智能, 模式识, 计算学习理论的初、中级用户和自学者。同时, 本书对于机器学习、人工智能、模式识别等领域的研发人员也具有很好的参考价值

• 510 1_ |a PAC-Bayes theory evaluation and application of machine learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 汤莉 |A tang li |4 著

• 801 _0 |a CN |b 湖北三新 |c 20191025