×

兹马思-数学第一资源

网络实验室。模式识别算法。(英语) Zbl 1011.68116
模式识别的进展。伦敦:斯普林格。第十八章,第420页(2002年)。
本书旨在补充克里斯托弗•M•毕晓普(Christopher M.Bishop)的书,“模式识别的神经网络”,牛津大学出版社,1995年,向读者提供有关使用NETLAB开发模式识别应用程序所需的知识。NETLAB软件工具箱是在MATLAB环境下实现的,它被指定为一个合适的编程环境,为理论上建立良好的神经网络和相关模式识别算法的仿真提供所需的工具。
这本书旨在为读者提供知识和工具,以便在使用NETLAB工具解决模式识别任务时最大限度地利用神经网络。它包括概率主成分分析、生成地形图、贝叶斯推理和混合密度网络等几种基本模式识别算法的软件实现。这本书提供了算法知识和实用工具,通过汇集有关如何有效和灵活地实现模型的相关理论来开发应用程序。
文中还提供了一系列的实例和说明性的演示程序,帮助读者理解算法和如何使用它们。这本书的每一章都涵盖了一组相关的模式识别技术,并包括如何将这些技术用于实际问题的例子。下面简要介绍这本书的结构。
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。第三章详细介绍了高斯混合模型在数据概率密度建模中的应用。第四章介绍广义线性模型,然后在下一章中对多层感知器进行综合处理。接下来的两章主要介绍径向基函数网络、主成分分析、生成式地形图和地形方法。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,其中证据过程和抽样是NETLAB实现的。第十章从用于回归的贝叶斯径向基函数出发,发展了高斯过程的理论。
这本书提供了模式识别中最重要的算法的优秀集合。这本书可以作为教授模式识别的本科和研究生课程的教科书,但它也证明了它对神经计算和相关领域的实践者和研究人员极为有价值。
审核人:发光态

理学硕士:
68吨10 模式识别,语音识别
68-01年 与计算机科学有关的介绍性说明(教科书、教程论文等)
68周05分 非数值算法
PDF格式 BibTeX公司 XML 引用