- 概率图模型原理与应用(第2版)
- - 作者：(墨)路易斯·恩里克·苏卡尔|责编:王军|译者:郭涛
  - 出版社：清华大学
  - ISBN：9787302610786
  - 出版日期：2022/09/01
  - 页数：339
- 售价：51.2

内容大纲
    本书对上一版做了全面更新，从工程角度讲述PGM（概率图模型)，通俗易懂，讲解深刻。本书纳入部分可观察马尔可夫决策过程、图模型、深度学习等新章节，附有大量精选的练习题。
    本书涵盖PGM每个主要分类的基础知识（表征、推理和学习原理等），列出每类模型在多个学科的实际应用，浓墨重彩地描述贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态贝叶斯网络、时态贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。
    主要内容：
    提出统一框架，涵盖所有PGM主要分类；
    探讨每项技术的表达、推理与学习的基础知识：
    涵盖部分可观察马尔可夫决策过程和图模型：
    纳入介绍深度神经网络及其与PGM关系的新章节：
    涵盖多维贝叶斯分类器、关系图模型及因果模型：
    提供大量章末练习、补充阅读以及研究或编程参考文献：
    描述分类器，如高斯朴素贝叶斯分类器、循环链分类器及层次分类器：
    简述不同技术的实际应用：
    给出教学大纲建议。
    本书在课堂教学中日臻完善，可作为计算机科学、工程学、物理学等专业的本科和研究生PGM教材。对于将PGM应用于研究领域或对PGM基础知识感兴趣的专业人士而言，可将本书用作参考书。
作者介绍
目录
第Ⅰ部分  基本原理
  第1章  导论
    1.1  不确定性
    1.2  简要回顾
    1.3  基本概率模型
    1.4  概率图模型
    1.5  表示、推理与学习
    1.6  应用
    1.7  本书概述
    1.8  补充阅读
  第2章  概率论
    2.1  引言
    2.2  基本规则
    2.3  随机变量
    2.4  信息论
    2.5  补充阅读
    2.6  练习
  第3章  图论
    3.1  定义
    3.2  图的类型
    3.3  迹和回路
    3.4  图同构
    3.5  树
    3.6  团
    3.7  完美序
    3.8  排序和三角剖分算法
      3.8.1  最大基数搜索
      3.8.2  图的填充
    3.9  补充阅读
    3.10  练习
第Ⅱ部分  概率模型
  第4章  贝叶斯分类器
    4.1  引言
    4.2  贝叶斯分类器简介
    4.3  高斯朴素贝叶斯分类器
    4.4  替代模型：TAN、BAN
    4.5  半朴素贝叶斯分类器
    4.6  多维贝叶斯分类器
      4.6.1  多维贝叶斯网络分类器
      4.6.2  链式分类器
    4.7  层次分类
      4.7.1  链式路径评估
      4.7.2  使用贝叶斯网络进行层次分类
  ……
第Ⅲ部分  决策模型
第Ⅳ部分  关系概率图模型、因果图模型和深度模型
附录A  一个用于推理和学习的Python库（可从本书配套网站下载）
词汇表（可从本书配套网站下载）
缩略语（可从本书配套网站下载）
符号（可从本书配套网站下载）

参考文献（可从本书配套网站下载）

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目