机读格式显示(MARC)

• 000 01795nam0 2200289 450

• 001 0000528720

• 005 20200914085400.0

• 010 __ |a 978-7-03-062722-3 |d CNY88.00

• 100 __ |a 20200316d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 组合优化机器学习方法 |A zu he you hua ji qi xue xi fang fa |d = Machine learning methods for combinatorial optimization |f 郭田德, 韩丛英, 唐思琦著 |z eng

• 210 __ |a 北京 |c 科学出版社 |d 2019.11

• 215 __ |a 186页 |c 图 |d 24cm

• 320 __ |a 有书目 (第170-186页)

• 330 __ |a 本书通过分析最优化理论和算法与机器学习的关系：最优化理论和算法促进了机器学习的发展，同时机器学习对最优化的理论和求解方法也带来了新的研究方向和研究方法。我们针对组合优化问题，特别是NP问题，提出机器学习的求解方法，此类方法通过一些学习方法，结合传统算法，给出了一套求解组合优化问题的机器学习理论方法。本书共分为六章，第一章介绍组合优化及组合优化问题的求解方法。第二章研究机器学习方法，并分析用部分机器学习方法带来的组合优化求解的启示。第三章介绍现阶段可以常用于求解组合优化问题的机器学习方法，循环神经网络、长短期记忆模型、编码和解码模型等等。第四章介绍求解组合优化问题的深度网络模型和算法，详尽介绍强化学习求解组合优化问题的模型和算法。第五章重点介绍图像识别中存在的组合优化问题的机器学习求解方法，求解点集匹配问题，图匹配问题以及图像对齐问题等等。第六章对比传统的组合优化问题算法的复杂性分析，给出求解组合优化问题的算法复杂性理论分析。

• 333 __ |a 本书适合计算机数学、人工智能、计算机科学等专业学生。

• 510 1_ |a Machine learning methods for combinatorial optimization |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 郭田德 |A guo tian de |4 著

• 701 _0 |a 韩丛英 |A han cong ying |4 著

• 701 _0 |a 唐思琦 |A tang si qi |4 著

• 801 _0 |a CN |b 江苏新华 |c 20200312

• 905 __ |a LIB |d TP181/85