同类推荐
-
-
自主无人系统及应用中的问题
-
¥180.00
-
-
人工智能注意力机制:体系、模型与算法剖析:system…
-
¥169.00
-
-
人工智能原理及MATLAB实现
-
¥79.80
-
-
透过AI认知世界:an artificial inte…
-
¥99.00
-
-
循环:AI如何影响人类,人类如何应对AI:how te…
-
¥79.00
-
-
分布式人工智能:原理与应用
-
¥118.00
-
-
人工智能的数学基础
-
¥162.00
-
-
人工智能与机器人专业实战训练
-
¥58.00
-
-
计算机人工智能技术发展和应用
-
¥80.00
-
-
ChatGPT职场实战指南
-
¥79.00
|
|
图书信息
|
|
|
Information theoretic learning:renyi's entropy and kernel perspectives
|
ISBN: | 9787519296964 |
定价: | ¥189.00 |
作者: | Jose C. Principe[著] |
出版社: | 世界图书出版有限公司北京分公司 |
出版时间: | 2023年01月 |
开本: | 24cm |
页数: | 22,526页 |
装祯: | 平装 |
中图法: | TP181 |
相关供货商
供货商名称
|
库存量
|
库区
|
更新日期
|
北京人天书店有限公司
|
25
|
库区4/样本4-1
|
2024-04-27
|
其它供货商库存合计
|
50
|
|
2024-04-26
|
图书简介 | 本书是佛罗里达大学计算神经工程实验室(CNEL)在统计信号处理和机器学习的常规领域的研究成果。本书的目的之一就是要把这两个有着如此多共同问题和技术但还没有有效合作的领域联系起来。不同于其他阐述了某特定领域知识的书籍,本书跨越了工程学(信号处理)和统计学(机器学习)界限,挖掘出一个共同主题,即学习从信息角度看问题,并强调Renyi's 熵的信息概念。本书介绍的基本方法是利用信息论的熵和散度的描述符作为非参数代价函数来设计无监控或监控训练模式下的自适应系统。 |
|