Розпізнавання образів і машинне навчання, том 1

Книга "Розпізнавання образів і машинне навчання" являє собою класичний підручник з розпізнавання образів і машинного навчання. Він містить докладний опис найбільш важливих методів машинного навчання, заснованих на байесовском підході.

Цей сучасний підручник, який представляє собою всеосяжне введення в розпізнавання образів і машинне навчання. Читачам досить знати основи багатовимірного математичного аналізу, лінійної алгебри та теорії ймовірностей.

Книга підходить для викладання курсів за машинного навчання, математичної статистики, комп'ютерних наук та розпізнавання образів. Кожна глава супроводжується численними завданнями різного рівня складності. Підручник призначений для студентів старших курсів і аспірантів першого року навчання, а також дослідників і практиків, що займаються розпізнавання образів і машинним навчанням.

Бурхливий розвиток практичних програм машинного навчання за останні десять років супроводжується інтенсивною розробкою важливих алгоритмів і методів, що лежать в його основі. Наприклад, байесовские методи перестали бути предметом вивчення вузьких фахівців і стали основним трендом, а графи стали загальноприйнятим інструментом для опису і застосування імовірнісних методів. Практичне значення байєсівських методів дедалі більше посилюється завдяки розвитку чисельних алгоритмів наближеного виводу, таких як варіаційний байєсовський підхід і метод розповсюдження очікування.

Крім того, все більшого значення для алгоритмів та програм набувають нові ядерні моделі.

Цей абсолютно новий підручник відображає сучасні досягнення розпізнавання образів і машинного навчання і являє собою всеосяжне введення в цю область. Він призначений для студентів старших курсів і аспірантів першого року навчання, а також дослідників і практиків. Від читачів не потребує попередніх знань в області розпізнавання образів і машинного навчання. Достатньо знати основи багатовимірного математичного аналізу та лінійної алгебри. Досвід застосування теорії ймовірностей бажаний, але не обов'язковий, оскільки книга містить самостійне введення в теорію ймовірностей.

Книгу "Розпізнавання образів і машинне навчання" зручно використовувати для викладання курсів за машинного навчання, статистики, комп'ютерних наук, інтелектуального аналізу даних і біоінформатики. Для зручності викладання підручник містить великий методичний матеріал, що включає більш ніж 400 вправ, ранжованих за складністю. Рішення деяких вправ можна знайти на веб-сайті, присвяченому книзі. Книга супроводжується публікацією великого обсягу додаткового матеріалу на веб-сайті, який містить новітню інформацію.

Всі ілюстрації до книги в кольоровому варіанті доступні на сайті видавництва.

Про автора
Крістофер М. Бішоп - заступник директора лабораторії Microsoft Research Cambridge і завідувач кафедри комп'ютерних наук в Единбурзькому університеті. Він працює викладачем в коледжі Дарвіна Кембриджського університету й нещодавно був обраний членом Королівської інженерної академії. Його попередній підручник Neural Networks for Pattern Recognition отримав широке визнання.



Зміст книги Крістофер М. Бішоп "Розпізнавання образів і машинне навчання"



Передмова
Математичні позначення
Глава 1. Введення
Розділ 2. Розподілу ймовірностей
Розділ 3. Моделі лінійної регресії
Розділ 4. Лінійні моделі класифікації
Глава 5. Нейронні мережі
Глава 6. Ядерні методи
Глава 7. Зріджені ядерні методи
Глава 8. Графові моделі
Глава 9. Суміші розподілів і EM-алгоритм
Глава 10. Наближений висновок
Глава 11. Вибіркові методи
Глава 12. Безперервні латентні змінні
Глава 13. Послідовні дані
Глава 14. Комбінування моделей
Додаток A. Набори даних
Додаток Б. Щільності розподілів
Додаток Ст. Властивості матриць
Додаток Р. Варіаційне числення
Додаток Д. Множники Лагранжа