本书融合了统计机器学习和数字信号处理方面的知识,详细描述了相关的数学基础和算法,以扎实的、逐步推进的方式引入并讲解概念,以便在实际的软件应用中实现这些想法和算法。对于我们面临的实际问题,书中提供了技术背景,解释了为什么某些方法(而不是其他方法)能够成为zui佳实践;而对于新的问题,书中则提供了框架,教会你如何进行思考和寻求解决之道。 本书适合有信号处理背景,并且有意深入学习和应用机器学习的读者阅读。
无
计算机\人工智能
如果你想学习机器学习领域的专业知识,本书是绝佳的选择。对于我们面临的实际问题,书中提供技术,解释了为什么某些方法(而不是其他方法)能够成为最佳实践;而对于新的问题,书中则提供框架,教你如何进行思考和寻求解决之道。如果你有信号处理背景,并且想成为机器学习方面的专家,那么强烈推荐阅读本书。
——Alex‘Sandy’Pentland,麻省理工学院媒体艺术与科学教授
过去的十年里,在信号处理领域,机器学习已经从一个只有专注于语音和图像处理等课题的人才知道的研究领域,发展并渗透到信号处理的各个方面。
本书在融合机器学习和信号处理方面迈出了重要的一步。总的来说,这本书涵盖了许多新老主题,这些主题本身非常重要,相比于传统的信号处理教科书,读者将获得更广阔的视角。我要特别强调,统计建模、凸优化和图形学的组合是特别有效的。机器学习和信号处理不再是分开的两门学科,毫无疑问,这将是未来教授信号处理的方法。
——Mads Christensen,奥尔堡大学音频处理教授
数字信号处理和统计机器学习都利用了应用数学中的关键课题,如概率统计、代数、微积分、图形学和网络,这两个学科之间存在着密切的联系,可以利用这种联系来开发新的数字信号处理工具,这些工具将具有更高的实用性和更广的适用范围。
本书涵盖机器学习和信号处理的数学基础和算法,采用渐进的方法,逐步引入并讲解概念,以便在实际的软件应用中实现这些理论和算法。本书首先介绍数学基础知识,然后介绍信号处理基础知识,同时穿插机器学习的基本概念和运算,最后将二者结合,阐述非参数模型和信号处理中的机器学习算法。