机读格式显示(MARC)

• 000 01615nam0 2200301 450

• 001 0000391076

• 005 20210623144000.0

• 010 __ |a 978-7-03-066910-0 |d CNY188.00

• 100 __ |a 20210311d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 高斯过程机器学习及其工程应用 |A gao si guo cheng ji qi xue xi ji qi gong cheng ying yong |f 苏国韶, 张研, 肖义龙著

• 210 __ |a 北京 |c 科学出版社 |d 2020

• 215 __ |a 277页 |c 图 |d 26cm

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目

• 330 __ |a 高斯过程 (Gaussian Process) 是近年来发展起来的一种机器学习方法, 有着严格的统计理论基础, 具有强大的学习及泛化能力, 对于高维数、小样本、非线性等复杂问题具有良好的适应性, 与其他机器学习方法相比, 具有容易实现、超参数自适应获取、非参数推断灵活以及输出具有概率意义等优点, 现已成为机器学习领域的研究热点, 在诸多领域中得到了广泛应用。本书首先较为系统全面地介绍了高斯过程回归、高斯过程分类的基本理论及实现方法, 通过丰富的算例和公开的源程序代码, 读者可很容易地理解高斯过程原理并将其应用于自己的研究领域; 然后, 通过丰富的工程应用实例, 将高斯过程机器学习方法应用于土木水利工程中边坡变形非线性时间序列预测、地下工程岩体非线性行为预测与识别、水利工程复杂系统状态预测与识别、结构可靠性分析及结构优化设计等领域。

• 510 1_ |a Gaussian process for machine learning and its applications in engineering |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 苏国韶 |A su guo shao |4 著

• 701 _0 |a 张研 |A zhang yan |4 著

• 701 _0 |a 肖义龙 |A xiao yi long |4 著

• 801 _0 |a CN |b 湖北三新 |c 20210602

• 905 __ |a LJUZC |d TP181/59

• 920 __ |a 222016 |z 1