本书系统介绍模式识别与机器学习的基础理论、模型与算法，同时适当融人前沿知识。本书以贝叶斯学习的思想贯穿始终，并适时与其他重要知识点（如支持向量机、深度学习）等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的全面把握。全书共14章和4个附录，循序渐进地对模式识别与机器学习领域进行剖析。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，很后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习方法中的近邻法和决策树，还有向量微积分和随机变量的变换等与本学科方向强相关的重要知识点。本书内容深入浅出，生动有趣，力求反映这一领域的核心知识体系和新的发展趋势。全书内容都尽可能做到丰富完整，重点章节附有思考与计算习题，便于读者对知识的巩固和融会贯通。本书适合作为本科生和研究生（硕／博）课程的教材，也可作为希望从事人工智能相关工作的科技工作者的自学参考书。\? 孙仕亮，清华大学博士，华东师范大学教授。在华东师范大学从事研究工作，主讲本科和研究生“模式识别与机器学习”“不错机器学习”等课程，并在英国伦敦大学学院、美国哥伦比亚大学从事访问合作研究。在模式识别与机器学习领域的靠前有名期刊和会议发表学术论文100余篇，承担多项重量、省部级科研项目及靠前知名企业的合作研究项目，研究成果多次获得省部级科学技术奖励。? 赵静，华东师范大学博士，讲师。从事模式识别与机器学习领域的研究，包括概率模型、贝叶斯学习、近似推理与优化。主讲研究生“不错机器学习”和本科生“可信机器学习”等课程。入选上海市2016年度“扬帆计划”和2019年度“晨光计划”。发表论文近20篇，代表性成果发表于JMLR、T-CYB、IJCAI等靠前很好期刊和会议。\
|
