Kaizhu Huang Chinese Univ. of Hong Kong

Machine Learning

Modeling Data Locally and Globally

2008, 169pp.

Hardcover

ISBN 9783540794516

K.Z.黃等著

本書的目標(biāo)是建立一個框架，該“框架”能結(jié)合機(jī)器學(xué)習(xí)中兩種不同范型，即全局學(xué)習(xí)和局部學(xué)習(xí)。全局學(xué)習(xí)把注意力放在以全局的方式描述現(xiàn)象或建模數(shù)據(jù)上，例如變量的分布通常用于合計(jì)數(shù)據(jù)的估計(jì)，它的輸出通?？赡苁侵匦聵?gòu)建數(shù)據(jù)，這種方法學(xué)派包括了貝葉斯網(wǎng)絡(luò)、高斯混合模型和隱馬爾科夫模型，它具有很長的出色的歷史，并被廣泛地應(yīng)用于人工智能、模試識別和計(jì)算機(jī)視覺上。局部學(xué)習(xí)并不試圖概括一個現(xiàn)象，而是通過集中在某些數(shù)據(jù)的局部部分來建立學(xué)習(xí)系統(tǒng)。根據(jù)當(dāng)前的研究，它缺乏靈活性，但仍然令人驚訝地顯示了比全局學(xué)習(xí)占優(yōu)勢的性能。在這本書中介紹了一種新穎和統(tǒng)一的理論，該理論試圖無縫地集成不同的算法。特別是本書按照局部學(xué)習(xí)和全局學(xué)習(xí)對機(jī)器學(xué)習(xí)算法的內(nèi)在本質(zhì)加以區(qū)分。

本書講述了機(jī)器學(xué)習(xí)中主要的現(xiàn)代課題與工具，包括了概率生成模型和支持向量機(jī)，作者對這些主題從局部或全局的觀點(diǎn)進(jìn)行討論或重新闡述。與已出版的相關(guān)書籍只是局部地或者全局地研究機(jī)器學(xué)習(xí)算法不同，本書呈現(xiàn)了一幅局部及全局機(jī)器學(xué)習(xí)的統(tǒng)一和嶄新的景象，在新的景象中各種似乎是不同的機(jī)器學(xué)習(xí)模型和理論以一種精巧及系統(tǒng)的方式跨接。為了精確及徹底的理解，作者還對新的混合理論的應(yīng)用做了介紹，本書不僅僅向研究人員生動和及時地提供了最新的研究成果，而且還提供了對機(jī)器學(xué)習(xí)的出色綜述。

本書共有8章。1.緒論；2.全局學(xué)習(xí)與局部學(xué)習(xí)的比較；3.一個通用和全局學(xué)習(xí)模型：MEMPM；4.局部與全局學(xué)習(xí)：極大化極小邊緣機(jī)器；5.拓展Ⅰ：不平衡學(xué)習(xí)的BMPM；6.拓展Ⅱ：M4回歸模型；7.拓展Ⅲ：局部數(shù)據(jù)內(nèi)變分邊緣設(shè)置；8.結(jié)論與未來的工作。

本書是由浙江大學(xué)出版社和斯普林格出版社聯(lián)合出版的《中國科學(xué)技術(shù)高級課題》叢書的一本，作者主要來自香港中文大學(xué)的計(jì)算機(jī)科學(xué)與工程系，局部與全局學(xué)習(xí)的新方向貫穿全書，使得包括理解各種各樣的學(xué)習(xí)模式，獲得對該領(lǐng)域中技術(shù)的更為深入的洞察力及全面理解。

胡光華，高級軟件工程師

(原中國科學(xué)院物理學(xué)研究所)

Hu Guanghua, Senior Software Engineer

(Former Institute of Physics,CAS)