Uczenie maszynowe: Podejście oparte na ograniczeniach

Oryginalny tytuł:

Machine Learning: A Constraint-Based Approach

Zawartość książki:

Machine Learning: A Constraint-Based Approach, Second Edition zapewnia czytelnikom odświeżone spojrzenie na podstawowe modele i algorytmy uczenia maszynowego, z naciskiem na aktualne tematy, które obejmują sieci neuronowe i maszyny jądrowe. Książka przedstawia informacje w prawdziwie ujednolicony sposób, który opiera się na pojęciu uczenia się z ograniczeń środowiskowych.

Rysuje ścieżkę w kierunku głębokiej integracji z uczeniem maszynowym, która opiera się na idei przyjęcia wielowartościowych formalizmów logicznych, takich jak w systemach rozmytych. Szczególną uwagę poświęcono głębokiemu uczeniu się, które dobrze pasuje do podejścia opartego na ograniczeniach, stosowanego w tej książce.

Książka przedstawia prostsze, ujednolicone pojęcie regularyzacji, które jest ściśle związane z zasadą parsymonii, w tym wiele rozwiązanych ćwiczeń, które są sklasyfikowane zgodnie z rankingiem trudności Donalda Knutha, który zasadniczo składa się z mieszanki ćwiczeń rozgrzewkowych, które prowadzą do głębszych problemów badawczych. Dołączony jest również symulator oprogramowania.