自適應系統(tǒng)與機器智能

出版者的話譯者序前言致謝第1章緒論 1.1機器智能研究 1.2兩個層面：數(shù)據(jù)驅(qū)動方法和生物啟發(fā)式方法 1.3如何閱讀本書 1.3.1機器智能的數(shù)據(jù)驅(qū)動方法1.3.2機器智能的生物啟發(fā)式方法 1.4總結(jié)和延伸閱讀 參考文獻 第2章增量學習 2.1引言 2.2問題的提出 2.3 自適應增量學習框架 2.4映射函數(shù)設計 2.4.1基于歐氏距離的映射函數(shù) 2.4.2基于回歸學習模型的映射函數(shù) 2.4.3基于在線評估系統(tǒng)的映射函數(shù) 2.5實例研究 2.5.1視頻流的增量學習 2.5.2垃圾郵件分類的增量學習2.6總結(jié) 參考文獻 第3章不平衡學習 3.1引言 3.2不平衡學習的本質(zhì) 3.3不平衡數(shù)據(jù)學習方法 3.3.1不平衡數(shù)據(jù)學習的抽樣法 3.3.2不平衡數(shù)據(jù)學習的代價敏感方法 3.3.3基于核的不平衡數(shù)據(jù)學習方法 3.3.4不平衡數(shù)據(jù)學習的主動學習方法 3.3.5不平衡數(shù)據(jù)學習的其他方法 3.4不平衡數(shù)據(jù)學習的評價指標3.4.1單一評價指標 3.4.2受試者工作特性( ROC)曲線 3.4.3查準率一查全率(PR)曲線3.4.4代價曲線 3.4.5多類不平衡數(shù)據(jù)學習評價指標 3.5機遇和挑戰(zhàn) 3.6實例研究 3.6.1非線性規(guī)范化 3.6.2數(shù)據(jù)集分布 3.6.3仿真結(jié)果和討論 3.7總結(jié) 參考文獻 第4章集成學習 4.1引言 4.2假設多樣性 4.2.1 Q統(tǒng)計量 第5章機器智能的自適應動態(tài)規(guī)劃第6章聯(lián)想學習第7章序列學習第8章機器智能的硬件設計