Вероятностные графовые модели
1.450 ₽
Автор: Луис Энрике Сукар
Название: Вероятностные графовые модели
Формат: PDF
Тема: IT
Количество страниц: 340
Качество: Компьютерное, издательское
В настоящее время вероятностные графовые модели широко распростра-
нены как мощная и вполне сформировавшаяся методика для выполнения
умозаключений и выводов в условиях неопределенности. В отличие от
некоторых узкоспециализированных методик, применявшихся в ранних
экспертных системах, вероятностные графовые модели основаны на строгих
математических принципах теории графов и теории вероятностей. Эта книга
на современном уровне охватывает более широкий диапазон вероятностных
графовых моделей, чем другие недавно опубликованные материалы в данной
области: разнообразные классификаторы, скрытые марковские модели, мар-
ковские случайные поля, байесовские сети и их динамические, временные и
причинно-следственные варианты, реляционные вероятностные графовые
модели, графы решений и марковский процесс принятия решений. В кни-
ге представлены эти вероятностные графовые модели и соответствующие
методы логического вывода и обучения в ясном и доступном стиле. Автор
делится своим богатым опытом, накопленным в процессе активной практи-
ческой работы в области использования вероятностных графовых моделей, и
демонстрирует примеры их применения в разнообразных областях реальной
деятельности: от биоинформатики до задач наблюдения за загрязнением
воздуха и распознавания объектов.
Книга предназначена для студентов старших курсов и аспирантов, а также
для ученых-исследователей и инженеров-практиков, работающих в других
отраслях и интересующихся применением вероятностных моделей
Описание
«Вероятностные графовые модели» — фундаментальная книга, которая объединяет теорию вероятностей, машинное обучение и графовые структуры. В ней подробно разбирается, как представлять сложные распределения вероятностей в виде графов, делать выводы и обучать модели на больших данных.
Автор последовательно объясняет байесовские сети, марковские случайные поля, факторные графы, алгоритмы точного и приближённого вывода (belief propagation, junction tree, variational inference, MCMC), а также задачи обучения параметров и структуры. Книга сочетает математическую строгость с практическими примерами из компьютерного зрения, обработки естественного языка и биоинформатики.
- студентам и аспирантам, изучающим машинное обучение и искусственный интеллект
- практикующим data scientist и ML-инженерам, которые хотят глубже понимать современные вероятностные методы
- исследователям, работающим с графовыми нейронными сетями и байесовским выводом
- специалистам, которым нужны математически обоснованные модели вместо «чёрных ящиков»
Только зарегистрированные клиенты, купившие данный товар, могут публиковать отзывы.
Похожие
Другие книги раздела «Веб-дизайн и программирование»
- John Zelle – Python Programming (2017)
- Soonhoi Ha – Handbook of Hardware Software Codesign (2017)
- С. Ржевский – Математическое программирование (2022)
- Giuseppe Ciaburro – Neural Networks with R
- Igor Livshin – Artificial Neural Networks with Java (Second edition)
- Leonardo De Marchi – Hands-On Neural Networks
- Maxime Labonne – Hands-On Graph Neural Networks Using Python
- 80 Ways to use ChatGPT in the classroom
- Андреас Мюллер – Введение в машинное обучение с помощью Python
- Андрей Бурков – Инженерия машинного обучения. Машинное обучение без лишних слов
- Анирад Коул – Искусственный интеллект и компьютерное зрение
- Бенджамин Бенгфорт – Прикладной анализ текстовых данных на Python
- Глубокое обучение в биологии и медицине
- Паттерны проектирования API
- Python для сложных задач
- Глубокое обучение с Fastai и PyTorch
Рекомендуем также
- S. Paul – Clinical Cases in Skin Cancer Surgery and Treatment (2016)
- Y. Sakai – Laparoscopic Surgery for Colorectal Cancer (2016)
- V. Stearns – Novel Biomarkers in the Continuum of Breast Cancer (2016)
- A. Mathur – Nanotechnology in Cancer (2017)
- P. Rennert – Novel Immunotherapeutic Approaches to the Treatment of Cancer
- M. Baranska – Optical Spectroscopy and Computational Methods in Biology and Medicine (2014)
- A. Bondanza – Tumor Immunology (2016)
- H. Seligmann – DNA Replication. Current Advances (2016)
Отзывы
Отзывов пока нет.