信號(hào)分析與數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)

前言

　　人類已進(jìn)入信息社會(huì)與知識(shí)經(jīng)濟(jì)時(shí)代，信息科學(xué)技術(shù)迅速發(fā)展并廣泛應(yīng)用于各領(lǐng)域。國(guó)內(nèi)外非常重視信號(hào)分析與統(tǒng)計(jì)學(xué)習(xí)理論，并對(duì)其進(jìn)行深層次探索，在工程實(shí)踐中不斷提出新理論、新方法。其中，現(xiàn)代信號(hào)分析的發(fā)展在非線性、自適應(yīng)兩方面結(jié)合得越來越緊密，為實(shí)現(xiàn)智能化信息處理創(chuàng)造了良好的應(yīng)用前景；統(tǒng)計(jì)學(xué)習(xí)理論是針對(duì)小樣本情況發(fā)展起來的比較完善的理論體系，它克服了基于漸進(jìn)理論的傳統(tǒng)統(tǒng)計(jì)學(xué)方法的局限，對(duì)于解決工程實(shí)踐中的具體問題具有重要指導(dǎo)作用?！　⌒盘?hào)分析與統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展到現(xiàn)在，內(nèi)容非常豐富，本書只就一些重要的基本理論方法進(jìn)行研究。全書分為兩部分：第一部分是信號(hào)分析的基礎(chǔ)理論和方法，包括第一章連續(xù)時(shí)間信號(hào)及其時(shí)域分析，第二章連續(xù)時(shí)間系統(tǒng)的頻域分析，第三章離散時(shí)間信號(hào)與系統(tǒng)，第四章高分辨時(shí)頻分析；第二部分是數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)的基礎(chǔ)理論和方法，包括第五章統(tǒng)計(jì)學(xué)習(xí)方法，第六章神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，第七章支持向量機(jī)學(xué)習(xí)方法，第八章集成學(xué)習(xí)?！　”緯朔从承盘?hào)分析和數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)的一些重要基礎(chǔ)理論與學(xué)術(shù)前沿，還包含了作者的研究成果。希望本書對(duì)讀者有所裨益，對(duì)信號(hào)分析方法研究和數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)方法研究有所啟發(fā)?！　”緯诰帉戇^程中得到了西安交通大學(xué)高靜懷教授、大慶石油學(xué)院唐世偉教授的熱心指導(dǎo)，在此表示誠(chéng)摯的謝意。

內(nèi)容概要

　　《信號(hào)分析與數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)》介紹了信號(hào)分析與數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)的基本理論、方法和研究進(jìn)展，并從應(yīng)用角度，在方法及技術(shù)原理等方面進(jìn)行了詳細(xì)討論，對(duì)于解決工程實(shí)踐中的具體問題具有重要指導(dǎo)作用?！　　缎盘?hào)分析與數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)》可作為工程技術(shù)人員和高等院校有關(guān)專業(yè)人員參考用書。

書籍目錄

第1章 連續(xù)時(shí)間信號(hào)與系統(tǒng)1.1 信號(hào)及其運(yùn)算1.2 連續(xù)時(shí)間系統(tǒng)的時(shí)域分析1.3 連續(xù)時(shí)間系統(tǒng)的頻域分析第2章 離散時(shí)間信號(hào)與系統(tǒng)2.1 離散序列及其基本運(yùn)算2.2 肌離散時(shí)間系統(tǒng)的數(shù)學(xué)模型2.3 線性常系數(shù)差分方程2.4 系統(tǒng)的穩(wěn)定性與因果性2.5 模擬信號(hào)數(shù)字處理方法2.6 z變換與逆Z變換2.7 離散傅里葉變換2.8 快速傅立葉變換(FFr)第3章 隨機(jī)信號(hào)分析3.1 隨機(jī)信號(hào)3.2 平穩(wěn)隨機(jī)信號(hào)的時(shí)域統(tǒng)計(jì)表達(dá)3.3 平穩(wěn)隨機(jī)信號(hào)的z域及頻域統(tǒng)計(jì)表達(dá)3.4 線性系統(tǒng)對(duì)隨機(jī)信號(hào)的響應(yīng)3.5 隨機(jī)信號(hào)模型3.6 隨機(jī)信號(hào)非線性系統(tǒng)分析第4章 高分辨時(shí)頻分析4.1 短時(shí)傅里葉變換4.2 小波變換4.3 三參數(shù)小波分析4.4 S變換及廣義S變換第5章 統(tǒng)計(jì)學(xué)習(xí)方法5.1 機(jī)器學(xué)習(xí)的基本方法5.2 學(xué)習(xí)過程的一致性5.3 推廣性的界與結(jié)構(gòu)風(fēng)險(xiǎn)最小化第6章 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法6.1 神經(jīng)網(wǎng)絡(luò)的逼近能力分析6.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練與學(xué)習(xí)算法6.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化神經(jīng)網(wǎng)絡(luò)方法6.4 前饋神經(jīng)網(wǎng)絡(luò)與統(tǒng)計(jì)模式識(shí)別的關(guān)系第7章 支持向量機(jī)學(xué)習(xí)方法7.1 最優(yōu)分類面7.2 廣義最優(yōu)分類面7.3 規(guī)范化超平面集的子集結(jié)構(gòu)7.4 支持向量機(jī)第8章 集成學(xué)習(xí)8.1 集成學(xué)習(xí)方法8.2 集成學(xué)習(xí)及其期望誤差分析8.3 雙重神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)8.4 選擇性支持向量機(jī)集成學(xué)習(xí)參考文獻(xiàn)

章節(jié)摘錄

　?。?）BP網(wǎng)絡(luò)學(xué)習(xí)算法中采用誤差函數(shù)梯度下降的方式進(jìn)行迭代，就不可避免地產(chǎn)生陷入局部極值的問題，而具體的極值位置又和權(quán)值的初始化數(shù)值密切相關(guān)?！　。?）采用隨機(jī)地賦予網(wǎng)絡(luò)連接權(quán)以非全零初始值的方法，是保證學(xué)習(xí)過程能有效運(yùn)行的必然措施，但是卻由此而喪失了解決某些具體問題時(shí)所可能提供的導(dǎo)向先驗(yàn)知識(shí)?！　。?）隱含層的功能實(shí)質(zhì)上是為網(wǎng)絡(luò)學(xué)習(xí)給定的（輸入，輸出）樣本對(duì)而提供足夠的可調(diào)連接權(quán)值。這些可調(diào)連接權(quán)在反復(fù)學(xué)習(xí)迭代過程中，從其巨大的可能組合數(shù)空間中，湊成了一組能同時(shí)滿足各（輸入，輸出）樣本對(duì)的連接權(quán)配置方案。在網(wǎng)絡(luò)工作階段，即按“類似輸入產(chǎn)生類似輸出”的相近原則，內(nèi)插或外推出所需要的輸出來。由此可知，要求隱含層這個(gè)“黑匣子”明確表證某種物理意義是很難辦到的?！　。?）由于神經(jīng)網(wǎng)絡(luò)的巨量并行分布結(jié)構(gòu)和非線性動(dòng)態(tài)特性，要想從理論上得到一個(gè)簡(jiǎn)單通用的容量表達(dá)式或隱含層單元確定公式等都是十分困難的，甚至是不可能的。只有通過廣泛而長(zhǎng)期的應(yīng)用過程積累一些經(jīng)驗(yàn)公式和取值范圍?！　。?）學(xué)習(xí)樣本的數(shù)量和質(zhì)量，是影響學(xué)習(xí)效果（即泛化能力）和學(xué)習(xí)速度的重要因素。因此在網(wǎng)絡(luò)學(xué)習(xí)以前，必須預(yù)先作好對(duì)學(xué)習(xí)祥本的評(píng)價(jià)和選擇。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    信號(hào)分析與數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí) PDF格式下載

---