|
题名:
|
Information theoretic learning / Jose C. Principe , |
|
ISBN:
|
978-7-5192-9696-4 价格： CNY189.00 |
|
语种:
|
eng |
|
载体形态:
|
xxii, 526页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 世界图书出版公司 出版日期： 2023.1 |
|
内容提要:
|
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。 |
|
主题词:
|
信息论 应用 |
|
中图分类法:
|
TP181 版次： 5 |
|
其它题名:
|
Renyi's entropy and kernel perspectives |
|
主要责任者:
|
普林西比 著 |
|
版次:
|
全彩英文版 |