Information theory, inference, and learning algorithms

副标题：无

作者：(英)David J. C. Mackay著;肖明波[等]译

分类号：G201

ISBN：9787040196412

收录收藏 (0) 评论纠错

微信扫一扫,移动浏览光盘

简介

简介

本书是英国著名的卡文迪许实验室的著名学者David J.C.MacKay博士总结多年教学经验和科研成果，于2003年推出的一部力作。它不仅包含传统信息论的内容(如香农定理和通信系统理论基础)，还对LDPC等最新的编码算法进行了论述。此外，本书作者以高度的学科驾驭能力，匠心独具地在一个统一框架下讨论了贝叶斯数据建模、蒙特卡罗方法、聚类算法、神经网络等属于机器学习和推理领域的主题。从而很好地将通信、信号处理、数据挖掘、机器学习、模式识别、计算神经学、生物信息学和密码学等诸多学科的技术内涵融会贯通。本书注重理论与实际的结合，内容组织科学严谨，反映了多门学科的内在联系和发展趋势。同时，本书还包含了丰富的例题和近400道习题(其中许多习题还配有详细的解答)，便于教学或自学，适合作为信息科学与技术相关专业高年级本科生和研究生教材，对相关专业技术人员也不失为一本有益的参考书。虽然信息论相关技术的发展日新月异，我们相信本书的内容不会很快过时；虽然国内外关于信息论的专著和教材已经出版很多，但本书有其显著特色和优势，有望成为一本素质教育教材。本书主体部分包含六大更多>>

目录
第1章信息论导论
第2章概率、熵与推理
第3章有关推理的更多内容
第一部分数据压缩
第4章信源编码定理
第5章符号码
第6章符号流码
第7章整数的码
第二部分噪声信道编码
第8章相关随机变量
第9章噪声信道上的通信
第10章噪声信道编码定理
第11章纠错码与实际信道
第三部分信息论中的更多专题
第12章散列码：用于有效信息检索的码
第13章二进制码
第14章存在很好的线性码
第15章有关信息论的更多习题
第16章消息传递
第17章受限无噪信道上的通信
第18章纵横字谜与密码破译
第19章为何有性?信息获取与进化
第四部分概率与推理
第20章一个推理任务示例：聚类
第21章基于完全枚举的精确推理
第22章最大似然与聚类
第23章有用的概率分布
第24章精确边缘化
第25章网格中的精确边缘化
第26章图中的精确边缘化
第27章拉普拉斯方法
第28章模型比较与奥卡姆剃刀原理
第29章蒙特卡罗方法
第30章有效的蒙特卡罗方法
第31章伊辛模型
第32章精确蒙特卡罗采样
第33章变参法
第34章独立元素分析与隐含变量建模
第35章有关随机推理的专题
第36章决策论
第37章贝叶斯推理与抽样理论
第五部分神经网络
第38章神经网络引言
第39章单神经元分类器
第40章单神经元的容量
第41章以学习作推理
第42章 Hopfield网络
第43章玻耳兹曼机
第44章多层网络的有监督学习
第45章高斯过程
第46章反卷积
第六部分稀疏图码
第47章低密度奇偶校验码
第48章卷积码与Turbo码
第49章重复累加码
第50章数字喷泉码
第七部分附录
附录A 记号
附录B 一些物理知识
附录C 一些数学知识
英汉词汇表
参考文献

已确认勘误

页码	勘误内容	提交人	修订印次

Information theory, inference, and learning algorithms

名称
类型
大小

用户反馈

FAQ

Information theory, inference, and learning algorithms

已确认勘误

第次印刷 筛选

第次印刷