|
机器学习及其应用（汪荣贵） 第2版 课件
|
|
资料类别
|
计算机课件 |
|
|
课程(专业)
|
机器学习及其应用 |
|
关键词
|
机器学习及其应用|模型估计 |
|
适用年级
|
大学 |
|
身份要求
|
普通会员 |
|
金 币
|
30 （金币如何获得？） |
|
文件格式
|
ppt |
|
文件大小
|
467597K |
|
发布时间
|
2026-07-17 08:14:00 |
|
预览文件
|
0736919.png（只能预览部分内容） |
|
下载次数
|
0 |
| 发布人 |
kj008 |
内容简介：
机器学习及其应用 第2版 课件
第1章机器学习概述
1.1机器学习基本概念
1.1.1人工智能与机器学习
1.1.2机器学习基本术语
1.1.3误差分析与模型评估
1.2机器学习发展历程
1.2.1感知机与连接学习
1.2.2符号学习与统计学习
1.2.3连接学习的兴起
1.3习题
第2章模型估计与优化
2.1模型参数估计
2.1.1最小二乘估计
2.1.2最大似然估计
2.2模型优化基本方法
2.2.1梯度下降法
2.2.2牛顿迭代法
2.3模型优化概率方法
2.3.1随机梯度法
2.3.2改进梯度法
2.3.3最大期望法
2.4模型正则化策略
2.4.1范数惩罚
2.4.2样本增强
2.5习题
第3章监督学习
3.1线性模型
3.1.1模型结构
3.1.2线性回归
3.1.3线性分类
3.2决策树模型
3.2.1模型结构
3.2.2判别标准
3.2.3模型构造
3.3贝叶斯模型
3.3.1贝叶斯方法
3.3.2贝叶斯分类
3.4支持向量机
3.4.1线性可分性
3.4.2核函数技术
3.4.3结构风险分析
3.5监督学习应用
3.5.1信用风险评估
3.5.2垃圾邮件检测
3.5.3车牌定位与识别
3.6习题
第4章无监督学习
4.1聚类分析
4.1.1划分聚类法
4.1.2密度聚类法
4.2主分量分析
4.2.1基本PCA方法
4.2.2核PCA方法
4.3半监督学习
4.3.1半监督学习假设
4.3.2半监督支持向量机
4.3.3半监督聚类
4.4无监督学习应用
4.4.1热点话题发现
4.4.2自动人脸识别
4.5习题
第5章集成学习
5.1集成学习基本知识
5.1.1集成学习基本概念
5.1.2集成学习基本范式
5.1.3集成学习泛化策略
5.2Bagging集成学习
5.2.1Bagging集成策略
5.2.2随机森林模型结构
5.2.3随机森林训练算法
5.3Boosting集成学习
5.3.1Boosting集成策略
5.3.2AdaBoost学习算法
5.4集成学习应用
5.4.1房价预测分析
5.4.2自动人脸检测
5.5习题
第6章神经网络与深度学习
6.1神经网络概述
6.1.1神经元与感知机
6.1.2前馈网络模型
6.1.3模型训练基本流程
6.2神经网络常用模型
6.2.1自编码器
6.2.2玻尔兹曼机
6.3深度学习基本知识
6.3.1浅层学习与深度学习
6.3.2深度堆栈网络
6.3.3深度置信网络
6.4神经网络应用
6.4.1光学字符识别
6.4.2自动以图搜图
6.5习题
第7章深度判别网络
7.1深度卷积网络
7.1.1卷积网络概述
7.1.2基本网络模型
7.1.3改进网络模型
7.2深度循环网络
7.2.1动态系统展开
7.2.2网络结构与计算
7.2.3模型训练策略
7.3转换器模型
7.3.1编码器与解码器
7.3.2自注意力机制
7.3.3转换器模型结构
7.4深度判别网络应用
7.4.1图像目标检测
7.4.2自动文本摘要
7.5习题
第8章深度生成网络
8.1生成对抗网络
8.1.1生成器与判别器
8.1.2网络结构与计算
8.1.3模型训练策略
8.2扩散模型
8.2.1扩散模型原理
8.2.2网络结构
8.2.3模型生成策略
8.3大语言模型
8.3.1模型概述与数据准备
8.3.2经典模型架构
8.3.3模型微调与解码
8.4深度生成网络应用
8.4.1图像修复
8.4.2图像超分辨
8.5习题
第9章深度强化学习
9.1强化学习基本知识
9.1.1强化学习概述
9.1.2马尔可夫模型
9.1.3策略迭代与值迭代
9.2基于价值的学习
9.2.1时序差分算法
9.2.2深度Q网络
9.2.3深度双Q网络
9.2.4DQN模型改进
9.3基于策略的学习
9.3.1策略梯度法
9.3.2Actor-Critic算法
9.3.3DDPG学习算法
9.4深度强化学习应用
9.4.1自动爬山小车
9.4.2智能巡航小车
相关说明：
1. 如您下载的资料不止一份，建议您注册成为本站会员。会员请登录后下载。
2. 会员购买金币50元以下，0.7元/个，50元以上，0.5元/个。具体请看：下载与付款。
3. 会员48小时内下载同一文件，不重复扣金币。
4. 下载后请用WinRAR或 WinZIP解压缩后使用。
5. 如仍有其他下载问题，请看常见问题解答。
下载地址：
|
|
|