中國計算機學(xué)會(huì )學(xué)術(shù)著(zhù)作叢書(shū)·知識科學(xué)系列：機器學(xué)習及其應用2013簡(jiǎn)介，目錄書(shū)摘
2020-04-01 12:02
來(lái)源：京東
作者：京東
中國計算機學(xué)會(huì )學(xué)術(shù)著(zhù)作叢書(shū)·知識科學(xué)系列：機器學(xué)習及其應用2013
暫無(wú)報價(jià)
30+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 機器學(xué)習是計算機科學(xué)和人工智能中非常重要的一個(gè)研究領(lǐng)域。近年來(lái)，機器學(xué)習不僅在計算機科學(xué)的眾多領(lǐng)域中大顯身手，還成為一些交叉學(xué)科的重要支持技術(shù)?！吨袊嬎銠C學(xué)會(huì )學(xué)術(shù)著(zhù)作叢書(shū)·知識科學(xué)系列：機器學(xué)習及其應用2013》邀請國內外相關(guān)領(lǐng)域的專(zhuān)家撰文，以綜述的形式分別介紹機器學(xué)習不同分支及相關(guān)領(lǐng)域的研究進(jìn)展。全書(shū)共分8章，內容分別涉及稀疏話(huà)題表示學(xué)習、基于向量場(chǎng)的流形學(xué)習和排序、秩極小化、實(shí)值多變量維數約簡(jiǎn)等技術(shù)，知識挖掘與用戶(hù)建模、異質(zhì)人臉圖像合成等應用，以及對多視圖在利用未標記數據學(xué)習中的效用、面向高維多視圖數據的廣義相關(guān)分析的探討。
《中國計算機學(xué)會(huì )學(xué)術(shù)著(zhù)作叢書(shū)·知識科學(xué)系列：機器學(xué)習及其應用2013》可供高校、科研院所計算機、自動(dòng)化及相關(guān)專(zhuān)業(yè)的師生、科技工作者和相關(guān)企業(yè)的工程技術(shù)人員閱讀參考。
《中國計算機學(xué)會(huì )學(xué)術(shù)著(zhù)作叢書(shū)·知識科學(xué)系列：機器學(xué)習及其應用2013》可供高校、科研院所計算機、自動(dòng)化及相關(guān)專(zhuān)業(yè)的師生、科技工作者和相關(guān)企業(yè)的工程技術(shù)人員閱讀參考。
作者簡(jiǎn)介:
目錄:Learning Sparse Topical Representations
1 Introduction
2 Related Work
2. 1 Probabilistic LDA
2.2 Non-negative Matrix Factorization
3 Sparse Topical Coding
3.1 A Probabilistic Generative Process
3.2 STC for MAP Estimation
3.3 Optimization with Coordinate Descent
4 Extensions
4.1 Collapsed STC
4. 2 Supervised Sparse Topical Coding
5 Experiments
5.1 Sparse Word Code
5.2 Prediction Accuracy
5.3 Time Efficiency
6 Conclusion
References
多視圖在利用未標記數據學(xué)習中的效用
1 引言
2 多視圖在半監督學(xué)習中的效用
3 多視圖在主動(dòng)學(xué)習中的效用
4 多視圖在主動(dòng)半監督學(xué)習中的效用
5 視圖分割
6 結束語(yǔ)
參考文獻
知識挖掘與用戶(hù)建模
1 引言
2 技術(shù)綜述
3 本體知識體系構建
3.1 知識挖掘
3.2 知識加工
3.3 語(yǔ)義計算
3.4 實(shí)驗結果
3.5 基于本體知識的需求主題體系構建
4 跨產(chǎn)品用戶(hù)日志挖掘
4.1 技術(shù)框架
4.2 跨產(chǎn)品用戶(hù)數據session分割
4.3 跨產(chǎn)品用戶(hù)數據關(guān)注點(diǎn)挖掘
5 用戶(hù)建模
5.1 用戶(hù)屬性建模
5.2 用戶(hù)興趣建模
5.3 用戶(hù)狀態(tài)建模
5.4 多維度用戶(hù)行為分析模型
5.5 用戶(hù)興趣模型的地域性關(guān)聯(lián)分析
6 結語(yǔ)
參考文獻
異質(zhì)人臉圖像合成
1 引言
2 基于子空間學(xué)習的圖像合成方法
2.1 基于線(xiàn)性子空間學(xué)習的方法
2.2 基于流形學(xué)習的方法
3 基于貝葉斯推理的合成方法
3.1 基于嵌入式隱馬爾科夫模型的方法
3.2 基于馬爾科夫隨機場(chǎng)的方法
……
面向高維多視圖數據的廣義相關(guān)分析
基于向量場(chǎng)的流形學(xué)習和排序
秩極小化：理論、算法與應用
實(shí)值多變量維數約簡(jiǎn)
1 Introduction
2 Related Work
2. 1 Probabilistic LDA
2.2 Non-negative Matrix Factorization
3 Sparse Topical Coding
3.1 A Probabilistic Generative Process
3.2 STC for MAP Estimation
3.3 Optimization with Coordinate Descent
4 Extensions
4.1 Collapsed STC
4. 2 Supervised Sparse Topical Coding
5 Experiments
5.1 Sparse Word Code
5.2 Prediction Accuracy
5.3 Time Efficiency
6 Conclusion
References
多視圖在利用未標記數據學(xué)習中的效用
1 引言
2 多視圖在半監督學(xué)習中的效用
3 多視圖在主動(dòng)學(xué)習中的效用
4 多視圖在主動(dòng)半監督學(xué)習中的效用
5 視圖分割
6 結束語(yǔ)
參考文獻
知識挖掘與用戶(hù)建模
1 引言
2 技術(shù)綜述
3 本體知識體系構建
3.1 知識挖掘
3.2 知識加工
3.3 語(yǔ)義計算
3.4 實(shí)驗結果
3.5 基于本體知識的需求主題體系構建
4 跨產(chǎn)品用戶(hù)日志挖掘
4.1 技術(shù)框架
4.2 跨產(chǎn)品用戶(hù)數據session分割
4.3 跨產(chǎn)品用戶(hù)數據關(guān)注點(diǎn)挖掘
5 用戶(hù)建模
5.1 用戶(hù)屬性建模
5.2 用戶(hù)興趣建模
5.3 用戶(hù)狀態(tài)建模
5.4 多維度用戶(hù)行為分析模型
5.5 用戶(hù)興趣模型的地域性關(guān)聯(lián)分析
6 結語(yǔ)
參考文獻
異質(zhì)人臉圖像合成
1 引言
2 基于子空間學(xué)習的圖像合成方法
2.1 基于線(xiàn)性子空間學(xué)習的方法
2.2 基于流形學(xué)習的方法
3 基于貝葉斯推理的合成方法
3.1 基于嵌入式隱馬爾科夫模型的方法
3.2 基于馬爾科夫隨機場(chǎng)的方法
……
面向高維多視圖數據的廣義相關(guān)分析
基于向量場(chǎng)的流形學(xué)習和排序
秩極小化：理論、算法與應用
實(shí)值多變量維數約簡(jiǎn)
京公網(wǎng)安備 11000002000088號
