图书详情 | 《概率图模型：原理与技术》
图书分类 一 〉理学 一 〉数学
概率图模型：原理与技术
[美]Daphne Koller [以色列]Nir Friedman 著；
2015年3月
清华大学出版社
- 清华大学出版社
- 9787302371342
- 1-1
- 20941
- -
- -
- 16开
- 2015年3月
- -
- -
- -
- -
- 理学
- 数学
- 0701
- O21
- 计算机
- 高职高专
- 初版
- -
- -
- -
内容简介：
概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。本书详细论述了有向图模型（又称贝叶斯网）和无向图模型（又称马尔可夫网）的表示、推理和学习问题，全面总结了人工智能这一前沿研究领域的最新进展。为了便于读者理解，书中包含了大量的定义、定理、证明、算法及其伪代码，穿插了大量的辅助材料，如示例（examples）、技巧专栏（skill boxes）、实例专栏（case study boxes）、概念专栏（concept boxes）等。另外，在第 2章介绍了概率论和图论的核心知识，在附录中介绍了信息论、算法复杂性、组合优化等补充材料，为学习和运用概率图模型提供了完备的基础。 本书可作为高等学校和科研单位从事人工智能、机器学习、模式识别、信号处理等方向的学生、教师和研究人员的教材和参考书。
目录
致谢插图目录算法目录专栏目录第1章 引言第2章 基础知识第Ⅰ部分 表示 第3章 贝叶斯网表示 第4章 无向图模型 第5章 局部概率模型 第6章 基于模板的表示 第7章 高斯网络模型 第8章 指数族第Ⅱ部分 推理 第9章 精确推理：变量消除 第10章 精确推理：团树 第11章 作为优化的推理 第12章 基于粒子的近似推理 第13章 最大后验概率推理 第14章 混合网络中的推理 第15章 时序模型中的推理第Ⅲ部分 学习 第16章 图模型学习：概述 第17章 参数估计 第18章 贝叶斯网中的结构学习 第19章 部分观测数据 第20章 学习无向模型第Ⅳ部分 行为与决策 第21章 因果关系 第22章 效用和决策 第23章 结构化决策问题 第24章 结束语附录A 背景材料参考文献符号索引主题索引
