機器學習理論及應用

總序
前言
第1章 引言
第1篇 李群機器學習
第2章 李群機器學習模型
2.1 引言
2.2 李群機器學習的概念
2.3 李群機器學習的代數(shù)模型
2.4 李群機器學習的幾何模型
2.5 李群機器學習公理假設
2.6 李群機器學習Dynkin圖的幾何學習算法
2.7 李群機器學習的線形分類器設計
2.8 本章小結(jié)
參考文獻
第3章 李群機器學習(LML)子空間軌道生成算法
3.1 LML中偏序集及格的基本概念
3.2 LML子空間軌道生成格學習算法
3.3 LML中一般線性群GLn(Fn)作用下學習子空間軌道生成格學習算法
3 4 本章小結(jié)
參考文獻
第4章 李群機器學習的辛群學習算法
4.1 問題提出
4.2 李群機器學習中的辛群分類器設計
4.3 李群機器學與中的辛群分類器算法
4.4 應用實例
4.5 本章小結(jié)
參考文獻
第5章 李群機器學習的量子群學習算法
5.1 問題提出
5.2 李群機器學習中的最干群分類器構造方法
5.3 世子群學爿算法存分子對接巾的應用
5.4 本章小結(jié)
參考文獻
第6章 李群機器學習的纖堆叢學習算法
6.1 問題提出
6.2 纖維叢學習模型
6.3 纖維叢學習算法
6.4 本章小結(jié)
參考文獻
第2篇 動態(tài)模糊機器學習
第7章 動態(tài)模糊機器掌習模型
7.1 問題提出
7.2 動態(tài)模糊機器學習模型
7.3 動態(tài)模糊機器學習系統(tǒng)的相關算法
7.4 動態(tài)模糊機器學習系統(tǒng)的過程控制模型
7.5 動態(tài)模糊關系學習算法
7.6 本章小結(jié)
參考文獻
第8章 動態(tài)模糊自主學習子空間學習算法
8.1 自主學習研究現(xiàn)狀分析
8.2 基于DFL的自主學習子空間的理論體系
8.3 基于DFL的自主學習子空間學習算法
8.4 本章小結(jié)
參考文獻
第9章 動態(tài)模糊決策樹學習
9.1 決策樹學習的研究現(xiàn)狀
9.2 動態(tài)模糊格的決策樹方法
9.3 動態(tài)模糊決策樹特殊屬性處理技術
9.4 動態(tài)模糊決策樹的剪枝策略
9.5 應用
9.6 本章小結(jié)
參考文獻
第10章 基于FDL的多Agent學習模型
10.1 引言
10.2 基于DFL的Agent心智模型
10.3 基于DFL的單Agent學習算法
10.4 基于DFL的多Agent學習模型
10.5 本章小結(jié)
參考文獻
第3篇 其他學習方法
第11章 Agent普適機器學習
11.1 引言
11.2 Agent普適機器學習
11.3 一種Agent普適機器學習分類器設計
11.4 本章小結(jié)
參考文獻
第12章 貝葉斯量子隨機學習算法
12.1 問題提出
12.2 相關基本理論
12.3 貝葉斯量子隨機學習模型
12.4 網(wǎng)絡結(jié)構的貝葉斯量子隨機學習算法設計
12.5 網(wǎng)絡參數(shù)的貝葉斯量子隨機學習算法設計
12.6 面向缺失數(shù)據(jù)的貝葉斯量子隨機學習算法設計
12.7 本章小結(jié)
參考文獻
附錄
附錄1 拓撲群
附錄2 微分幾何概念
附錄3 流形學習算法
附錄4 辛群的基本概念和性質(zhì)
附錄5 量子群的基本概念
附錄6 纖維叢
附錄7 動態(tài)模糊集(DFS)
附錄8 動態(tài)模糊(DF)關系
附錄9 動態(tài)模糊邏輯
附錄10 動態(tài)模糊格及其性質(zhì)
中英文名詞對照