はじめてのパターン認識

パターン認識にはじめて触れる読者に向け、基礎からわかりやすく解説した入門書。パターン認識の概念がよく理解できるとともに、 Rによる実行例など、実際に応用する際にも役立つ内容が盛り込まれています。

【目次】
第1章 はじめに
1.1 パターン認識とは
1.2 特徴の型
1.3 特徴ベクトル空間と次元の呪い
章末問題

第2章 識別規則と学習法の概要
2.1 識別規則と学習法の分類
2.2 汎化能力
章末問題

第3章 ベイズの識別規則
3.1 ベイズの識別規則
3.2 受信者動作特性曲線
章末問題

第4章 確率モデルと識別関数
4.1 観測データの線形変換
4.2 確率モデル
4.3 確率モデルパラメータの最尤推定
章末問題

第5章 k最近傍法(kNN法)
5.1 最近傍法とボロノイ境界
5.2 kNN法
5.3 kNN法とベイズ誤り率
5.4 kNN法の計算量とその低減法
章末問題

第6章 線形識別関数
6.1 線形識別関数の定義
6.2 最小2乗誤差基準によるパラメータの推定
6.3 線形判別分析
6.4 ロジスティック回帰
章末問題

第7章 パーセプトロン型学習規則
7.1 パーセプトロン
7.2 誤差逆伝搬法
7.3 誤差逆伝搬法の学習特性
章末問題

第8章 サポートベクトルマシン
8.1 サポートベクトルマシンの導出
8.2 線形分離可能でない場合への拡張
8.3 非線形特徴写像
8.4 ν-サポートベクトルマシン
8.5 1クラスサポートベクトルマシン
章末問題

第9章 部分空間法
9.1 部分空間
9.2 主成分分析
9.3 特異値分解
9.4 部分空間法
9.5 カーネル主成分分析
9.6 カーネル部分空間法
章末問題

第10章 クラスタリング
10.1 類似度と非類似度
10.2 非階層型クラスタリング(K-平均法)
10.3 階層型クラスタリング(融合法)
10.4 確率モデルによるクラスタリング
章末問題

第11章 識別器の組み合わせによる性能強化
11.1 ノーフリーランチ定理
11.2 決定木
11.3 バギング
11.4 アダブースト
11.5 ランダムフォレスト
章末問題

付録 ベクトルと行列による微分
A.1 ベクトルによる微分
A.2 行列によるスカラー関数の微分

色に関して、撮影状況やご使用のパソコン環境により、実物と多少色が異なる場合がございます。サイズに関して、ブランドや商品によって実際のサイズと異なる場合がございますので、ご不明な場合は、出品者にお問い合わせください。

サイズ	指定なし
フリーサイズ	○

パターン認識を学ぶ入門書に最適。Rによる実行例も収録。

解説不足

※配送方法が複数ある場合はカート内にて変更ができます。
※配送会社の状況等によって、商品到着日が遅れる場合がございます。あらかじめご了承ください。

配送方法	送料	追跡	配送目安
その他(配送無料)	￥0	なし	５日～１０日