統(tǒng)計(jì)學(xué)習(xí)理論的本質(zhì)

內(nèi)容概要

統(tǒng)計(jì)學(xué)習(xí)理論是針對(duì)小樣本情況研究統(tǒng)計(jì)學(xué)習(xí)規(guī)律的理論，是傳統(tǒng)統(tǒng)汁學(xué)的重要發(fā)展和補(bǔ)充，為研究有限樣本情況下機(jī)器學(xué)習(xí)的理論和方法提供了理論框架，其核心思想是通過控制學(xué)習(xí)機(jī)器的容量實(shí)現(xiàn)對(duì)推廣能力的控制。在這一理論中發(fā)展出的支持向量機(jī)方法是一種新的通用學(xué)習(xí)機(jī)器，較以往方法表現(xiàn)出很多理論和實(shí)踐上的優(yōu)勢。本書是該領(lǐng)域的權(quán)威著作，著重介紹了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的關(guān)鍵思想、結(jié)論和方法，以及該領(lǐng)域的最新進(jìn)展。本書的讀者對(duì)象是在信息科學(xué)領(lǐng)域或數(shù)學(xué)領(lǐng)域從事有關(guān)機(jī)器學(xué)習(xí)和函數(shù)估計(jì)研究的學(xué)者和科技人員，也可作為模式識(shí)別、信息處理、人工智能、統(tǒng)計(jì)學(xué)等專業(yè)的研究生教材。

書籍目錄

譯序第二版前言第一版前言0  引論：學(xué)習(xí)問題研究的四個(gè)階段  0.1  Rosenblatt的感知器（60年代）    0.1.1  感知器模型    0.1.2  對(duì)學(xué)習(xí)過程分析的開始    0.1.3  對(duì)學(xué)習(xí)過程的應(yīng)用分析與理論分析  0.2  學(xué)習(xí)理論基礎(chǔ)的創(chuàng)立（60-70年代）    0.2.1  經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則的理論    0.2.2  解決不適定問題的理論    0.2.3  密度估計(jì)的非參數(shù)方法    0.2.4  算法復(fù)雜度的思想  0.3  神經(jīng)網(wǎng)絡(luò)（80年代）    0.3.1  神經(jīng)網(wǎng)絡(luò)的思想    0.3.2  理論分析目標(biāo)的簡化  0.4  回到起點(diǎn)（90年代）第一章  學(xué)習(xí)問題的表示  1.1  函數(shù)估計(jì)模型  1.2  風(fēng)險(xiǎn)最小化問題  1.3  三種主要的學(xué)習(xí)問題    1.3.1  模式識(shí)別    1.3.2  回歸估計(jì)    1.3.3  密度估計(jì)（Fisher-wald表示）  1.4  學(xué)習(xí)問題的一般表示  1.5  經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化歸納原則  1.6  學(xué)習(xí)理論的四個(gè)部分　非正式推導(dǎo)和評(píng)述——1  1.7  解決學(xué)習(xí)問題的傳統(tǒng)模式    1.7.1  密度估計(jì)問題（最大似然方法）    1.7.2  模式識(shí)別（判別分析）問題    1.7.3  回歸估計(jì)模型    1.7.4  最大似然法的局限  1.8  密度估計(jì)的非參數(shù)方法　1.9　用有限數(shù)量信息解決問題的基本原則　1.10　基于經(jīng)驗(yàn)數(shù)據(jù)的風(fēng)險(xiǎn)最小化模型　1.11　隨機(jī)逼近期間第二章  學(xué)習(xí)過程的一致性　2.1　傳統(tǒng)性的一致性和非平凡一致性概念　2.2　學(xué)習(xí)理論的關(guān)鍵定理　2.3　一致雙邊收斂的充分必要條件　2.4　一致單邊收斂的充分必要條件　2.5　不可證偽性理論　2.6　關(guān)于不可證偽性的這定理　2.7　學(xué)習(xí)理論的三個(gè)里程碑　非正式指導(dǎo)和評(píng)述——2　2.8　概率論和統(tǒng)計(jì)學(xué)的基本問題　2.9　估計(jì)概率測度的兩種方式　2.10　概率測度的強(qiáng)方式估計(jì)與官度估計(jì)問題　2.11  Glivenko-Cantelli及其推廣　2.12　歸納的數(shù)學(xué)理論第三章  學(xué)習(xí)過程收斂速度的界　3.1　基本不等式　3.2　對(duì)實(shí)函數(shù)集的推廣……第四章  控制學(xué)習(xí)過程的推廣能力第五章  模式識(shí)別的方法第六章  函數(shù)估計(jì)的方法第七章  統(tǒng)計(jì)學(xué)習(xí)理論中的直接方法第八章  鄰域風(fēng)險(xiǎn)最小化原則與SVM第九章  結(jié)論：什么是學(xué)習(xí)理論中重要的？參考文獻(xiàn)及評(píng)述索引

章節(jié)摘錄

　　0　引論　　學(xué)習(xí)問題研究的四個(gè)階段　　學(xué)習(xí)問題的研究歷史可以分為四個(gè)階段，它們分別以下面四個(gè)重要事件為標(biāo)志：　　（1）第一個(gè)學(xué)習(xí)機(jī)器的創(chuàng)立；　?。?）學(xué)習(xí)理論的基礎(chǔ)的創(chuàng)立；　?。?）神經(jīng)網(wǎng)絡(luò)的創(chuàng)立；　?。?）神經(jīng)網(wǎng)絡(luò)的替代方法的創(chuàng)立?！　≡诓煌瑲v史階段有不同的研究主題和重點(diǎn)，所有這些研究基同勾畫出了人們對(duì)學(xué)習(xí)問題進(jìn)行探索的一幅復(fù)雜的（和充滿矛盾的）圖畫?！　?．1 Rosenblatt的感知器（60年代）　　在35年多以前F．Rosenblatt提出了第一個(gè)學(xué)習(xí)機(jī)器的模型，稱作感知器，這標(biāo)志著人們對(duì)學(xué)習(xí)過程進(jìn)行數(shù)學(xué)研究的真正開始①。從概念上講，感知器的思想并不是新的，它已經(jīng)在神經(jīng)生理學(xué)領(lǐng)域中被討論了多年。但是，Rosenblatt做了一件不尋常的事，就是把這個(gè)模型表現(xiàn)為一個(gè)計(jì)算機(jī)程序，并且通過簡單的實(shí)驗(yàn)說明這個(gè)模型能夠被推廣。感知器模型被用來解決模式識(shí)別問題，在最簡單的情況下就是用給定的例子來構(gòu)造一個(gè)把兩類數(shù)據(jù)分開的規(guī)則。

編輯推薦

　　《統(tǒng)計(jì)學(xué)習(xí)理論的本質(zhì)》是在前一版的基礎(chǔ)上修訂而成的，書中主要介紹了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的關(guān)鍵思想、結(jié)論和方法，以及該領(lǐng)域的最新進(jìn)展。全書增加了關(guān)于SVM方法的三章新內(nèi)容，其中包括把SVM方法推廣到用于估計(jì)實(shí)值函數(shù)，基于(用SVM方法)求解多維積分方程的直接方法，以及經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則的擴(kuò)展及其在SVM中的應(yīng)用。該書可供各大專院校作為教材使用，也可供從事相關(guān)工作的人員作為參考用書使用。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    統(tǒng)計(jì)學(xué)習(xí)理論的本質(zhì) PDF格式下載

---