譯者序
序言
致謝
前言
作者簡介
第一部分 引言
第1章 緒論
1.1 神經(jīng)網(wǎng)絡(luò)
1.2 深度學(xué)習(xí)
1.3 梯度下降法
1.4 小結(jié)
1.5 本書結(jié)構(gòu)
第2章 通用數(shù)學(xué)框架
2.1 機(jī)器學(xué)習(xí)與計(jì)算統(tǒng)計(jì)學(xué)
2.2 小結(jié)
第3章 優(yōu)化理論簡述
3.1 機(jī)器學(xué)習(xí)所需的優(yōu)化理論
3.2 在線算法：機(jī)器學(xué)習(xí)的順序更新
3.3 小結(jié)
第4章 改進(jìn)的CoCoSSC方法
4.1 問題描述
4.2 梯度加速下降法
4.3 CoCoSSC方法
4.4 在線時變粘性網(wǎng)算法
4.5 小結(jié)
第5章 關(guān)鍵術(shù)語
5.1 一些定義
5.2 小結(jié)
第6章 關(guān)于非凸規(guī)劃幾何的相關(guān)研究
6.1 多元時間序列數(shù)據(jù)集
6.2 粒子學(xué)習(xí)
6.3 在氣候變化中的應(yīng)用
6.4 小結(jié)
第二部分 機(jī)器學(xué)習(xí)的數(shù)學(xué)框架：理論部分
第7章 收斂到最小值的梯度下降法：最優(yōu)和自適應(yīng)的步長規(guī)則
7.1 引言
7.2 符號與預(yù)備知識
7.3 最大允許步長
7.4 自適應(yīng)步長規(guī)則
7.5 定理7.1的證明
7.6 定理7.2的證明
7.7 輔助定理
7.8 技術(shù)證明
7.9 小結(jié)
第8章 基于優(yōu)化的守恒定律方法
8.1 準(zhǔn)備：直觀的解析演示
8.2 辛方法與算法
8.3 局部高速收斂現(xiàn)象的漸近分析
8.4 實(shí)驗(yàn)演示
8.5 小結(jié)與展望
第三部分 機(jī)器學(xué)習(xí)的數(shù)學(xué)框架：應(yīng)用部分
第9章 含有噪聲和缺失觀測值的稀疏子空間聚類的樣本復(fù)雜度的改進(jìn)
9.1 CoCoSSC算法的主要結(jié)果
9.2 證明
9.3 數(shù)值結(jié)果
9.4 技術(shù)細(xì)節(jié)
9.5 小結(jié)
第10章 多元時間序列中穩(wěn)定和分組因果關(guān)系的在線發(fā)現(xiàn)
10.1 問題表述
10.2 粘性網(wǎng)正則化
10.3 在線推理
10.4 實(shí)驗(yàn)驗(yàn)證
10.5 小結(jié)與展望
第11章 后記
參考文獻(xiàn)