学习理论

分布式优化、学习理论与方法.pdf

《分布式优化、学习理论与方法》旨在介绍作者及其研究团队在分布式优化与学习理论方面的最新研究成果。《分布式优化、学习理论与方法》共7章,第1、2章为绪论和相关数学基础;第3、4章为连续时间和基于采样数据的分布式优化算法;第5、6章分别为基于群体智能的分布式优化算法和分布式机器学习算

不确定统计学习理论.pdf

本书主要内容包括:不确定学习过程的一致性、不确定学习过程收敛速度的界、不确定的结构风险最小化原则以及不确定支持向量机。

深度学习理论与实践.pdf

  深度学习作为表示学习的重要分支,有着广泛的应用价值。深度学习通常会基于多层的神经网络,它能从大规模数据中提取有效特征来表示数据,从而提高机器学习算法的性能。本书以重庆工商大学等单位的机器学习、图像处理课题为基础,系统地介绍特征选择的基本概念,以及相关的理论和算法,也对深度学习

桥梁结构损伤诊断的统计学习理论.pdf

本书针对实际桥梁损伤诊断的复杂性,将统计学习理论引入损伤诊断方法中,内容包括基于统计学习理论的桥梁结构时域损伤诊断、时频域损伤诊断及损伤诊断模型试验。