生物信息学中的机器学习分析方法.pdf
本书针对生物信息学领域中海量的生物数据，分别从微阵列数据的分析和处理、基因调控网络的分析和构建以及蛋白质相互作用网络的分析等角度，系统介绍机器学习、统计学习及各种智能算法在生物信息学相关领域的应用。
王雪松
机器学习理论、方法及应用.pdf
本书主要围绕基于神经网络的学习、强化学习和进化学习三个方面阐述机器学习理论、方法及其应用，共分三部分13章。
强化学习原理及其应用.pdf
本书分别从值函数逼近、直接策略搜索和基于谱方法的学习三个方面来阐述强化学习的理论、方法及其应用。全书分为13章，其中第1-2章为强化学习概述和相关基础理论；第3-5章为基于值函数估计的强化学习方法及其应用；第6-9章为直接策略搜索强化学习方法及其应用；第10-13章是对基于谱方法
零样本图像分类.pdf
零样本图像分类主要解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题，近年来已逐渐成为机器学习领域的研究热点之一。 利用可见类训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。本书针对零样本图像分类问题从属性角度入手，基于
合成孔径雷达微动干扰.pdf
本书系统地论述了对合成孔径雷达(SAR)的微动干扰理论与技术。内容主要包括三部分：第一部分着重阐述雷达目标的微动调制效应，包括SAR观测几何模型与目标瞬时多普勒模型、典型运动目标的微多普勒模型、微动目标SAR成像特性等；第二部分是本书的重点，阐述对常规SAR、SAR-GMTI和I
知识迁移学习方法及应用.pdf
知识迁移的目标是使机器具有和人一样的“举一反三”的能力，通过已掌握的知识来完成新的任务。知识迁移是机器突破程式化约束，具有自主学习能力的关键因素，近年来已成为人工智能的研究热点之一。从“如何迁移”“迁移什么”与“何时迁移”等角度入手，系统阐述了关联知识的表达形式、迁移的方式与手段