- 蒙特卡罗方法与人工智能/前沿科技人工智能系列
- - 作者：(美)巴布·艾俊//朱松纯|责编:李树林|译者:魏平
  - 出版社：电子工业
  - ISBN：9787121470202
  - 出版日期：2024/01/01
  - 页数：326
- 售价：55.2

内容大纲
本书全面叙述了蒙特卡罗方法，包括序贯蒙特卡罗方法、马尔可夫链蒙特卡罗方法基础、Metropolis算法及其变体、吉布斯采样器及其变体、聚类采样方法、马尔可夫链蒙特卡罗的收敛性分析、数据驱动的马尔可夫链蒙特卡罗方法、哈密顿和朗之万蒙特卡罗方法、随机梯度学习和可视化能级图等。为了便于学习，每章都包含了不同领域的代表性应用实例。本书旨在统计学和计算机科学之间架起一座桥梁以弥合它们之间的鸿沟，以便将其应用于计算机视觉、计算机图形学、机器学习、机器人学、人工智能等领域解决更广泛的问题，同时使这些领域的科学家和工程师们更容易地利用蒙特卡罗方法加强他们的研究。
作者介绍
目录
第1章  蒙特卡罗方法简介
  1.1  引言
  1.2  动机和目标
  1.3  蒙特卡罗计算中的任务
    1.3.1  任务1：采样和模拟
    1.3.2  任务2：通过蒙特卡罗模拟估算未知量
    1.3.3  任务3：优化和贝叶斯推理
    1.3.4  任务4：学习和模型估计
    1.3.5  任务5：可视化能级图
  本章参考文献
第2章  序贯蒙特卡罗方法
  2.1  引言
  2.2  一维密度采样
  2.3  重要性采样和加权样本
  2.4  序贯重要性采样（SIS）
    2.4.1  应用：表达聚合物生长的自避游走
    2.4.2  应用：目标跟踪的非线性/粒子滤波
    2.4.3  SMC方法框架总结
  2.5  应用：利用SMC方法进行光线追踪
  2.6  在重要性采样中保持样本多样性
    2.6.1  基本方法
    2.6.2  Parzen窗讨论
  2.7  蒙特卡罗树搜索
    2.7.1  纯蒙特卡罗树搜索
    2.7.2  AlphaGo
  2.8  本章练习
  本章参考文献
第3章  马尔可夫链蒙特卡罗方法基础
  3.1  引言
蒙特卡罗方法与人工智能
  3.2  马尔可夫链基础
  3.3  转移矩阵的拓扑：连通与周期
  3.4  Perron-Frobenius定理
  3.5  收敛性度量
  3.6  连续或异构状态空间中的马尔可夫链
  3.7  各态遍历性定理
  3.8  通过模拟退火进行MCMC优化
  3.9  本章练习
  本章参考文献
第4章  Metropolis算法及其变体
  4.1  引言
  4.2  Metropolis-Hastings算法
    4.2.1  原始Metropolis-Hastings算法
    4.2.2  Metropolis-Hastings算法的另一形式
    4.2.3  其他接受概率设计
    4.2.4  Metropolis算法设计中的关键问题
  4.3  独立Metropolis采样
    4.3.1  IMS的特征结构
    4.3.2  有限空间的一般首中时
    4.3.3  IMS击中时分析

  4.4  可逆跳跃和跨维MCMC
    4.4.1  可逆跳跃
    4.4.2  简单例子：一维图像分割
  4.5  应用：计算人数
    4.5.1  标值点过程模型
    4.5.2  MCMC推理
    4.5.3  结果
  4.6  应用：家具布置
  4.7  应用：场景合成
  4.8  本章练习
  本章参考文献
第5章  吉布斯采样器及其变体
  5.1  引言
  5.2  吉布斯采样器
……
第6章  聚类采样方法
第7章  MCMC的收敛性分析
第8章  数据驱动的马尔可夫链蒙特卡罗方法
第9章  哈密顿和朗之万蒙特卡罗方法
第10章  随机梯度学习
第11章  可视化能级图

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目