基于復(fù)雜網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法
定 價(jià)：79 元
叢書名：智能科學(xué)與技術(shù)叢書
- 作者：[巴西]迪亞戈·克里斯蒂亞諾·席爾瓦（Thiago Christiano Silv
- 出版時(shí)間：2018/11/1
- ISBN：9787111611493
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類：TP181
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
本書結(jié)合兩個(gè)重要和流行的研究領(lǐng)域：復(fù)雜網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)，不僅包括基礎(chǔ)背景知識(shí)，還包含近期*新的研究進(jìn)展。書中包括大量插圖和例題幫助讀者理解主要思想和實(shí)現(xiàn)細(xì)節(jié)。
機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)重要研究領(lǐng)域之一，主要指計(jì)算機(jī)利用已有的經(jīng)驗(yàn)來獲得學(xué)習(xí)能力的一種計(jì)算方法。雖然已經(jīng)有眾多的機(jī)器學(xué)習(xí)方法被提出并且在各類實(shí)際系統(tǒng)中成功應(yīng)用，但是仍然有很多挑戰(zhàn)性的問題需要解決。在過去的幾年里，基于復(fù)雜網(wǎng)絡(luò)（大規(guī)模的具有復(fù)雜連接模式的圖）的機(jī)器學(xué)習(xí)方法越來越受到關(guān)注。該方法的出現(xiàn)是因?yàn)槠渚哂袃?nèi)在的優(yōu)點(diǎn)，即數(shù)據(jù)表示是基于網(wǎng)絡(luò)特性的，能有效捕獲數(shù)據(jù)的空間、拓?fù)浜凸δ荜P(guān)系。本書介紹了在機(jī)器學(xué)習(xí)領(lǐng)域復(fù)雜網(wǎng)絡(luò)理論的特性和優(yōu)勢(shì)。在前七章，我們首先介紹機(jī)器學(xué)習(xí)和復(fù)雜網(wǎng)絡(luò)的一些基本概念，提供必要的背景知識(shí)。然后，簡(jiǎn)要描述基于網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)。在后三章，我們將介紹一些基于網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法，并提供詳細(xì)的案例分析。特別是，針對(duì)無監(jiān)督和半監(jiān)督學(xué)習(xí)，我們探討了使用隨機(jī)非線性動(dòng)力系統(tǒng)的粒子競(jìng)爭(zhēng)技術(shù)。同時(shí)，分析了競(jìng)爭(zhēng)系統(tǒng)內(nèi)的各類影響因素，以確保該技術(shù)的有效性。另外，對(duì)于學(xué)習(xí)系統(tǒng)存在的不完善性，比如半監(jiān)督學(xué)習(xí)的數(shù)據(jù)可靠性問題，可以采用競(jìng)爭(zhēng)機(jī)制來消除訓(xùn)練數(shù)據(jù)集的缺陷。識(shí)別并預(yù)防誤差傳播具有重要的實(shí)際意義，但文獻(xiàn)中關(guān)于這方面的研究很少。在案例分析中，我們提出了一個(gè)結(jié)合低階和高階的混合監(jiān)督分類技術(shù)，低階項(xiàng)通過傳統(tǒng)的分類方法實(shí)現(xiàn)，而高階項(xiàng)通過提取由輸入數(shù)據(jù)構(gòu)造的底層網(wǎng)絡(luò)的特征實(shí)現(xiàn)。換句話說，其主要思路是低階項(xiàng)利用數(shù)據(jù)的物理特征實(shí)現(xiàn)測(cè)試樣本的分類，而高階項(xiàng)進(jìn)行測(cè)試樣本模式的一致性檢驗(yàn)�？梢钥闯�，該技術(shù)可以根據(jù)數(shù)據(jù)的語義特征實(shí)現(xiàn)樣本分類。
本書旨在融合兩個(gè)目前被廣泛研究的領(lǐng)域：機(jī)器學(xué)習(xí)和復(fù)雜網(wǎng)絡(luò)。所以，我們希望本書能在科學(xué)界引起更多學(xué)者的興趣。本書是自成體系的，介紹基于網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)的建模、分析和應(yīng)用，不僅包含兩個(gè)領(lǐng)域的基礎(chǔ)知識(shí)，還介紹了一些新的研究成果，主要面向?qū)C(jī)器學(xué)習(xí)和復(fù)雜網(wǎng)絡(luò)感興趣的研究人員和學(xué)生。對(duì)于每一個(gè)可探索的話題，我們還提供了相應(yīng)的參考文獻(xiàn)。此外，眾多的說明性圖例也可以幫助讀者理解各類方法的主要思路和實(shí)現(xiàn)細(xì)節(jié)。
致謝感謝Marcos Gonalves Quiles博士、Fabricio Aparecido Breve博士、Joo Roberto Bertini Jr博士、Thiago Henrique Cupertino博士、Andrés Eduardo Coca Salazar博士、Bilz Marques de Araújo博士、Thiago Ferreira Coves博士、Elbert Einstein Nehrer Macau博士、Alneu Andrade Lopes博士、Xiaoming Liang博士、Zonghua Liu博士、Antonio Paulo Galdeano Damiance Junior先生、Tatyana Bitencourt Soares de Oliveira女士、Lilian Berton女士、Jean Pierre Huertas Lopez先生、Murillo Guimares Carneiro先生、Leonardo Nascimento Ferreira先生、Fabio Willian Zamoner先生、Roberto Alves Gueleri先生、Fabiano Berardo de Sousa先生、Filipe Alves Neto Verri先生和Paulo Roberto Urio先生過去的幾年里在該領(lǐng)域內(nèi)的合作。感謝Jorge Nakahara Jr博士仔細(xì)審閱了本書，并在整個(gè)出版過程中給予我們持續(xù)支持。感謝YingCheng Lai博士引導(dǎo)我們進(jìn)入迷人的復(fù)雜網(wǎng)絡(luò)研究領(lǐng)域。感謝Hamlet Pessoa Farias Junior先生和Victor Dolirio Ferreira Barbosa先生熱烈的討論成果。也要感謝Joo Eliakin Mota de Oliveira先生為我們提供了兩張圖。同時(shí)，感謝巴西圣保羅大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)研究所（ICMC）和里貝朗普雷圖分校哲學(xué)、科學(xué)與文學(xué)學(xué)院，以及巴西中央銀行的大力支持。最后，感謝巴西圣保羅研究基金會(huì)（FAPESP）、巴西國家科學(xué)技術(shù)發(fā)展委員會(huì)（CNPq）和巴西高等教育基金會(huì)（CAPES）為我們的研究工作提供資金支持。
Thiago Christiano SilvaLiang Zhao巴西，巴西利亞和里貝朗普雷圖2015年11月
迪亞戈·克里斯蒂亞諾·席爾瓦（Thiago Christiano Silva） 巴西中央銀行研究員，博士畢業(yè)于巴西圣保羅大學(xué)，目前的研究領(lǐng)域包括機(jī)器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、金融穩(wěn)定性、系統(tǒng)風(fēng)險(xiǎn)和銀行業(yè)務(wù)等。
趙亮（Liang Zhao） 巴西圣保羅大學(xué)教授，計(jì)算機(jī)科學(xué)與數(shù)學(xué)系主任，博士畢業(yè)于巴西航空技術(shù)學(xué)院，目前的研究興趣包括機(jī)器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)和模式識(shí)別。
譯者序
前言
作者簡(jiǎn)介
符號(hào)列表
第1章概述
1.1背景
1.2本書主要內(nèi)容
1.3本書結(jié)構(gòu)
參考文獻(xiàn)
第2章復(fù)雜網(wǎng)絡(luò)
2.1圖論簡(jiǎn)介
2.1.1圖的定義
2.1.2圖的連通性
2.1.3路徑和環(huán)路
2.1.4子圖
2.1.5樹和森林
2.1.6圖的矩陣表示
2.2網(wǎng)絡(luò)演化模型
2.2.1隨機(jī)網(wǎng)絡(luò)
2.2.2小世界網(wǎng)絡(luò)
2.2.3無標(biāo)度網(wǎng)絡(luò)
2.2.4隨機(jī)聚類網(wǎng)絡(luò)
2.2.5核心邊緣網(wǎng)絡(luò)
2.3復(fù)雜網(wǎng)絡(luò)的統(tǒng)計(jì)描述
2.3.1度和度相關(guān)性
2.3.2距離和路徑
2.3.3網(wǎng)絡(luò)結(jié)構(gòu)
2.3.4網(wǎng)絡(luò)中心性
2.3.5復(fù)雜網(wǎng)絡(luò)度量方法的分類
2.4復(fù)雜網(wǎng)絡(luò)上的動(dòng)力學(xué)過程
2.4.1隨機(jī)游走
2.4.2惰性隨機(jī)游走
2.4.3自避行走
2.4.4游客漫步
2.4.5流行病傳播
2.5本章小結(jié)
參考文獻(xiàn)
第3章機(jī)器學(xué)習(xí)
3.1引言
3.2監(jiān)督學(xué)習(xí)
3.2.1數(shù)學(xué)表達(dá)式和基本假設(shè)
3.2.2主要算法
3.3無監(jiān)督學(xué)習(xí)
3.3.1數(shù)學(xué)表達(dá)式和基本假設(shè)
3.3.2主要算法
3.4半監(jiān)督學(xué)習(xí)
3.4.1研究目的
3.4.2數(shù)學(xué)表達(dá)式和基本假設(shè)
3.4.3主要算法
3.5基于網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法概述
3.6本章小結(jié)
參考文獻(xiàn)
第4章網(wǎng)絡(luò)構(gòu)建技術(shù)
4.1引言
4.2相似性與相異性
4.2.1定義
4.2.2基于向量形式的相似性函數(shù)實(shí)例
4.3向量數(shù)據(jù)的網(wǎng)絡(luò)轉(zhuǎn)化
4.3.1k近鄰和半徑網(wǎng)絡(luò)
4.3.2k近鄰和半徑組合的網(wǎng)絡(luò)構(gòu)建技術(shù)
4.3.3b匹配網(wǎng)絡(luò)
4.3.4線性鄰域網(wǎng)絡(luò)
4.3.5松弛線性鄰域網(wǎng)絡(luò)
4.3.6聚類啟發(fā)式網(wǎng)絡(luò)
4.3.7重疊直方圖網(wǎng)絡(luò)
4.3.8其他網(wǎng)絡(luò)構(gòu)建技術(shù)
4.4時(shí)間序列數(shù)據(jù)的網(wǎng)絡(luò)轉(zhuǎn)化
4.4.1周期網(wǎng)絡(luò)
4.4.2相關(guān)網(wǎng)絡(luò)
4.4.3循環(huán)網(wǎng)絡(luò)
4.4.4轉(zhuǎn)移網(wǎng)絡(luò)
4.5網(wǎng)絡(luò)構(gòu)建方法分類
4.6非結(jié)構(gòu)化數(shù)據(jù)網(wǎng)絡(luò)轉(zhuǎn)化的難點(diǎn)
4.7本章小結(jié)
參考文獻(xiàn)
第5章基于網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)
5.1引言
5.2典型的基于網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)技術(shù)
5.2.1基于k關(guān)聯(lián)圖的分類算法
5.2.2網(wǎng)絡(luò)學(xué)習(xí)工具：NetKit
5.2.3易訪問啟發(fā)式的分類算法
5.3本章小結(jié)
參考文獻(xiàn)
第6章基于網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)
6.1引言
6.2社團(tuán)檢測(cè)算法
6.2.1相關(guān)概念
6.2.2數(shù)學(xué)表達(dá)式和基本假設(shè)
6.2.3前沿技術(shù)綜述
6.2.4社團(tuán)檢測(cè)基準(zhǔn)
6.3典型的基于網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)技術(shù)
6.3.1介數(shù)
6.3.2模塊度最大化
6.3.3譜平分法
6.3.4基于粒子競(jìng)爭(zhēng)模型的社團(tuán)檢測(cè)
6.3.5變色龍算法
6.3.6基于空間變換和群體動(dòng)力學(xué)的社團(tuán)檢測(cè)
6.3.7同步方法
6.3.8重疊社團(tuán)挖掘
6.3.9網(wǎng)絡(luò)嵌入與降維
6.4本章小結(jié)
參考文獻(xiàn)
第7章基于網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)
7.1引言
7.2數(shù)學(xué)假設(shè)
7.3典型的基于網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)技術(shù)
7.3.1最大流和最小割
7.3.2高斯隨機(jī)場(chǎng)和調(diào)和函數(shù)
7.3.3Tikhonov正則化框架
7.3.4局部和全局一致性算法
7.3.5附著法
7.3.6模塊化方法
7.3.7相互作用力
7.3.8判別式游走
7.4本章小結(jié)
參考文獻(xiàn)
第8章基于網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)專題研究：高級(jí)數(shù)據(jù)分類
8.1引言
8.2問題提出
8.3高級(jí)分類模型
8.3.1高級(jí)分類模型的總體思路
8.3.2混合分類框架的構(gòu)建
8.4高級(jí)分類器的構(gòu)建方法
8.4.1傳統(tǒng)的基于網(wǎng)絡(luò)度量方法的高級(jí)分類器構(gòu)建
8.4.2基于隨機(jī)游走的高級(jí)分類器構(gòu)建
8.5高級(jí)分類器的數(shù)值分析
8.5.1高級(jí)分類器應(yīng)用樣本
8.5.2參數(shù)敏感性分析
8.6應(yīng)用：手寫數(shù)字識(shí)別
8.6.1相關(guān)研究
8.6.2手寫數(shù)字?jǐn)?shù)據(jù)集MNIST
8.6.3圖像相似性計(jì)算算法
8.6.4混合分類框架中的低級(jí)分類技術(shù)
8.6.5混合分類器的性能
8.6.6手寫數(shù)字識(shí)別樣本8.7本章小結(jié)
參考文獻(xiàn)
第9章基于網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)專題研究：隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)
9.1引言
9.2隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)算法模型
9.2.1模型原理
9.2.2轉(zhuǎn)移矩陣的推導(dǎo)
9.2.3隨機(jī)非線性動(dòng)力系統(tǒng)的定義
9.2.4計(jì)算社團(tuán)數(shù)目的方法
9.2.5重疊結(jié)構(gòu)的檢測(cè)方法
9.2.6參數(shù)敏感性分析
9.2.7收斂分析
9.3模型的理論分析
9.3.1數(shù)學(xué)分析
9.3.2粒子競(jìng)爭(zhēng)模型與傳統(tǒng)的多粒子隨機(jī)游走
9.3.3樣本分析
9.4重疊節(jié)點(diǎn)及社團(tuán)檢測(cè)的數(shù)值分析
9.4.1扎卡里空手道俱樂部網(wǎng)絡(luò)
9.4.2海豚社交網(wǎng)絡(luò)
9.4.3《悲慘世界》人物關(guān)系網(wǎng)絡(luò)
9.5應(yīng)用：手寫數(shù)字識(shí)別和字母聚類
9.5.1數(shù)據(jù)集情況
9.5.2最優(yōu)粒子數(shù)和集簇?cái)?shù)
9.5.3手寫數(shù)字或字母聚類
9.6本章小結(jié)
參考文獻(xiàn)
第10章基于網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)專題研究：隨機(jī)競(jìng)爭(zhēng)合作學(xué)習(xí)
10.1引言
10.2隨機(jī)競(jìng)爭(zhēng)合作模型
10.2.1半監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的差異
10.2.2半監(jiān)督學(xué)習(xí)環(huán)境
10.2.3競(jìng)爭(zhēng)轉(zhuǎn)移矩陣的修正
10.2.4系統(tǒng)初始條件的修正
10.3模型的理論分析
10.3.1數(shù)學(xué)分析
10.3.2樣本分析
10.4模型的數(shù)值分析
10.4.1人工合成數(shù)據(jù)集上的模擬
10.4.2真實(shí)數(shù)據(jù)集上的模擬
10.5應(yīng)用：錯(cuò)誤標(biāo)記數(shù)據(jù)集上的錯(cuò)誤標(biāo)簽傳播檢測(cè)和預(yù)防
10.5.1問題提出
10.5.2錯(cuò)誤標(biāo)記訓(xùn)練集的檢測(cè)
10.5.3錯(cuò)誤標(biāo)簽傳播的預(yù)防
10.5.4競(jìng)爭(zhēng)合作模型學(xué)習(xí)系統(tǒng)的修正
10.5.5參數(shù)敏感性分析
10.5.6計(jì)算機(jī)模擬
10.6本章小結(jié)
參考文獻(xiàn)
書單推薦
