伊恩·纳布尼。 网络实验室。模式识别算法。 （英语） Zbl 1011.68116号 模式识别的进展。伦敦：斯普林格。第十八章，第420页（2002年）。 本书旨在通过向读者提供有关在开发模式识别应用程序时使用NETLAB的必要知识，来补充Christopher M.Bishop的书《模式识别的神经网络》，牛津大学出版社，1995年。NETLAB软件工具箱是在MATLAB环境中实现的，它被指定为一个合适的编程环境，为模拟理论上建立良好的神经网络和相关模式识别算法提供所需的工具。本书旨在为读者提供知识和工具，以便在使用NETLAB设施解决模式识别任务时，充分利用神经网络。它包括几种基本模式识别算法的软件实现，如概率主成分分析、生成地形图、贝叶斯推理的专门技术和混合密度网络。本书通过结合如何高效灵活地实现模型的相关理论，为应用程序开发的原则方法提供了算法知识和实用工具。还提供了一系列工作示例和说明性演示程序，帮助读者理解算法以及如何使用它们。本书的每一章都涵盖了一组相关的模式识别技术，并包括了如何将这些技术用于实际问题的示例。本书的结构简述如下。第一章简要介绍了MATLAB和NETLAB工具箱。第2章介绍了作为通用算法实现的多元优化算法。在第3章中，对高斯混合模型进行了详细的处理，以模拟数据的概率密度。第4章介绍了广义线性模型，然后在下一章对多层感知器进行了综合处理。接下来的两章重点介绍径向基函数网络、主成分分析、生成地形图和地形方法。最后三章都是关于数据建模和推理的贝叶斯观点。第9章描述了神经网络的贝叶斯方法，其中实现了NETLAB的证据程序和采样。第10章从用于回归的贝叶斯径向基函数开始，发展了高斯过程的理论。这本书收集了模式识别中最重要的算法。这本书可以用作模式识别本科生和研究生课程的教学教材，但它也证明对神经计算和相关领域的从业者和研究人员具有极高的价值。审核人：卢米尼塔州（布库雷什蒂） 引用于21文件 MSC公司： 68吨10 模式识别、语音识别 68-01 与计算机科学相关的介绍性说明（教科书、教程论文等） 68周05 非数值算法 关键词：模式识别；MATLAB开发用于模式识别的算法；用于解决模式识别任务的神经系统 软件：Matlab公司；网络实验室 PDF格式BibTeX公司 XML格式引用 \textit{I.T.Nabney}，网络实验室。模式识别算法。伦敦：Springer（2002；Zbl 1011.68116）