0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 图书分类 > 数学 > 运筹学/控制论 > 组合优化问题的机器学习求解方法

相同语种的商品

浏览历史

组合优化问题的机器学习求解方法


联系编辑
 
标题:
 
内容:
 
回执地址:
 
  
组合优化问题的机器学习求解方法
  • 书号:9787030627223
    作者:郭田德,韩丛英,唐思琦
  • 外文书名:
  • 丛书名:
  • 装帧:平装
    开本:B5
  • 页数:186
    字数:150000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2019-11-01
  • 所属分类:
  • 定价: ¥88.00元
    售价: ¥70.40元
  • 图书介质:
    纸质书

  • 购买数量: 件  可供
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书对组合优化的机器学习求解方法进行了阐述。全书从组合优化机器学习方法的起源算法开始,详细介绍一些代表性的模型、算法和理论,内容深入浅出,注重理论与实际应用的结合,力图给出该学术领域的研究趋势和最新的研究成果。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    前言
    第1章 组合优化概述 1
    1.1 组合优化的概念 1
    1.2 组合优化与计算机数学 3
    1.2.1 什么是计算机数学? 3
    1.2.2 组合优化与计算机数学之间的关系 4
    1.2.3 计算机科学中最重要的三十二个算法 4
    1.3 组合优化问题的研究方法 9
    1.3.1 组合优化问题的一般模型与求解算法 9
    1.3.2 经典的组合优化问题与求解算法 10
    1.3.3 组合优化问题的机器学习求解算法 23
    1.4 本章小结 26
    第2章 机器学习与组合优化问题 27
    2.1 机器学习概述 27
    2.1.1 机器学习发展历程 28
    2.1.2 机器学习分类 31
    2.1.3 深度学习 32
    2.1.4 深度强化学习 35
    2.2 围棋人工智能方法对求解组合优化问题的启示 41
    2.2.1 AlphaGo 42
    2.2.2 AlphaGo Zero 48
    2.2.3 AlphaGo & AlphaGo Zero与组合优化问题 50
    2.3 本章小结 51
    第3章 从序列输入到序列输出的机器学习网络模型和算法 52
    3.1 循环神经网络 52
    3.1.1 前向传播过程 54
    3.1.2 后向传播过程 56
    3.2 长短期记忆模型 58
    3.3 双向循环神经网络 62
    3.4 编码-解码模型 65
    3.5 注意力机制模型 67
    3.6 本章小结 73
    第4章 组合优化的深度学习方法 74
    4.1 基于有监督学习的求解方法 74
    4.1.1 指向型网络 74
    4.1.2 基于目标函数训练的求解算法 78
    4.2 基于强化学习的求解方法 79
    4.2.1 神经组合优化模型的求解方法 80
    4.2.2 动态输入的组合优化模型的求解方法 86
    4.2.3 图结构问题的组合优化模型的求解方法 91
    4.3 本章小结 98
    第5章 图像识别中的组合优化问题的求解方法 100
    5.1 多指向型网络求解点集匹配问题 100
    5.1.1 点集匹配问题 100
    5.1.2 多标签分类 102
    5.1.3 算法结构 104
    5.1.4 实验结果及分析 107
    5.2 基于强化学习的图匹配问题的求解方法 113
    5.2.1 图匹配问题 114
    5.2.2 求解图匹配问题的深度强化学习求解方法 116
    5.2.3 实验结果及分析 124
    5.3 基于卷积神经网络的图像对齐问题的求解方法 131
    5.3.1 图像对齐问题 132
    5.3.2 图像对齐问题的深度学习求解方法 134
    5.3.3 基于关键点对齐的图像匹配算法 138
    5.3.4 基于关键点对齐算法在指纹识别中的应用 140
    5.4 本章小结 151
    第6章 机器学习算法的复杂性理论 153
    6.1 算法复杂性理论 153
    6.2 基于线下学习和线上运行的学习类算法的复杂性度量 156
    6.2.1 深度学习类线下训练算法的复杂度 158
    6.2.2 学习类算法的时间复杂度函数 163
    6.3 本章小结 167
    6.4 总结与展望 168
    参考文献 170
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
经营资质
营业执照
出版社经营许可证