书目信息 机读格式(MARC)
机器学习的信息论方法:英文
| ISBN/价格： | 978-7-5192-9696-4:CNY189.00 |
|---|---|
| 作品语种： | eng |
| 出版国别： | CN |
| 题名责任者项： | 机器学习的信息论方法/.(美)何塞·普林西比著 |
| 出版发行项： | 北京:,世界图书北京出版公司:,2023.01 |
| 载体形态项： | 560页:;+26cm |
| 提要文摘： | 信息论已被证明可以有效地解决许多计算机视觉和模式识别(CVPR)问题，如图像匹配、聚类和分割、显著性检测、特征选择、最优分类器设计等。如今，研究人员正在将信息理论的元素广泛引入CVPR领域，其中包括测度(熵、交互信息)、原理(最大熵、极大极小熵)和理论(速率失真理论、类型法)等。本书通过增量复杂性方法探索和介绍了信息论的元素，同时也提出了CVPR问题的形成和和最具代表性的算法。当应用于不同的问题时，作者会突出信息理论原理之间的有趣关联，寻求一个全面的研究路线图。本书的研究结果为CVPR和机器学习。 |
| 题名主题： | 信息论 应用 英文 |
| 中图分类： | TP181 |
| 记录来源： | CN 20231210 |