|
000
|
01857nam 2200349 450
|
|
001
|
CAL 004193901
|
|
010
|
|
@a978-7-302-58775-0@dCNY79.00
|
|
100
|
|
@a20220906d2021 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa a 001yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a模式识别@Amo shi shi bie@e模式识别与机器学习@f张学工, 汪小我编著
|
|
205
|
|
@a第4版
|
|
210
|
|
@a北京@c清华大学出版社@d2021.09
|
|
215
|
|
@aXI, 396页@c图@d26cm
|
|
225
|
2
|
@a新编《信息、控制与系统》系列教材@Axin bian 《xin xi 、 kong zhi yu xi tong 》xi lie jiao cai
|
|
320
|
|
@a有书目 (第383页) 和索引
|
|
321
|
|
@a英文题名取自封面
|
|
330
|
|
@a本教材系统地介绍了模式识别与机器学习的基本概念和代表性方法, 既包括贝叶斯决策理论、概率密度函数估计、贝叶斯网络与隐马尔科夫模型、线性判别函数、非线性判别函数、人工神经网络、支持向量机与统计学习理论、近邻法、决策树与随机森林、集成学习、特征选择提取与特征工程、非监督学习等各种经典方法与理论, 也包括了卷积神经网络、循环神经网络与LSTM、深度信念网络、深度自编码器、限制性玻尔兹曼机、生成对抗网络等代表性的深度学习方法, 还包括了对常用机器学习软件平台的介绍。教材整体安排力求系统性与实用性相结合, 兼顾机器学习与模式识别领域各种主要流派, 覆盖学科发展最前沿, 并在各章节中加入了作者长期工作基础上对相关理论与方法的思考和讨论。
|
|
333
|
|
@a国家精品课程教材 国家级教学成果奖建设教材 清华大学精品课程教材
|
|
410
|
0
|
@12001 @a新编《信息、控制与系统》系列教材
|
|
510
|
1
|
@aPattern recognition@epattern recognition & machine learning@zeng
|
|
517
|
1
|
@a模式识别与机器学习@Amo shi shi bie yu ji qi xue xi
|
|
606
|
0
|
@a模式识别@Amo shi shi bie@x高等学校@j教材
|
|
606
|
0
|
@a机器学习@Aji qi xue xi@x高等学校@j教材
|
|
690
|
|
@aTP181@v5
|
|
690
|
|
@aO235@v5
|
|
701
|
0
|
@a张学工@Azhang xue gong@4编著
|
|
701
|
0
|
@a汪小我@Awang xiao wo@4编著
|
|
801
|
0
|
@aCN@c20220906
|
|
905
|
|
@a河南城建学院图书馆@dO235@eZ212=4@f2
|
|
|
|
|
| |
| 模式识别：模式识别与机器学习/张学工, 汪小我编著.-第4版.-北京：清华大学出版社，2021.09 |
| XI, 396页：图；26cm.-(新编《信息、控制与系统》系列教材) |
| 英文题名取自封面.-使用对象：国家精品课程教材 国家级教学成果奖建设教材 清华大学精品课程教材 |
| |
| ISBN 978-7-302-58775-0：CNY79.00 |
| 本教材系统地介绍了模式识别与机器学习的基本概念和代表性方法, 既包括贝叶斯决策理论、概率密度函数估计、贝叶斯网络与隐马尔科夫模型、线性判别函数、非线性判别函数、人工神经网络、支持向量机与统计学习理论、近邻法、决策树与随机森林、集成学习、特征选择提取与特征工程、非监督学习等各种经典方法与理论, 也包括了卷积神经网络、循环神经网络与LSTM、深度信念网络、深度自编码器、限制性玻尔兹曼机、生成对抗网络等代表性的深度学习方法, 还包括了对常用机器学习软件平台的介绍。教材整体安排力求系统性与实用性相结合, 兼顾机器学习与模式识别领域各种主要流派, 覆盖学科发展最前沿, 并在各章节中加入了作者长期工作基础上对相关理论与方法的思考和讨论。 |
| ● |
正题名：模式识别
索取号：O235/Z212=4
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1565019
|
215650196
|
自科库401/401自科库 48排7列3层/
[索取号:O235/Z212=4]
|
在馆
|
|
|
2
|
1565020
|
215650203
|
自科库401/401自科库 48排7列3层/
[索取号:O235/Z212=4]
|
在馆
|
|
