人工知能への線形代数的アプローチ A Matrix Algebra Approach to Artificial Intelligence

人工知能への線形代数的アプローチ<br>A Matrix Algebra Approach to Artificial Intelligence

個数：

電子版価格
¥40,471

電子版あり

人工知能への線形代数的アプローチ
A Matrix Algebra Approach to Artificial Intelligence

Zhang, Xian-Da

ウェブストア価格 ¥51,389（本体¥46,718）
Springer Verlag, Singapore（2020/05発売）
外貨定価 US$ 249.99
ポイント 467pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 820 p.
言語 ENG
商品コード 9789811527692
DDC分類 006

Full Description

Matrix algebra plays an important role in many core artificial intelligence (AI) areas, including machine learning, neural networks, support vector machines (SVMs) and evolutionary computation. This book offers a comprehensive and in-depth discussion of matrix algebra theory and methods for these four core areas of AI, while also approaching AI from a theoretical matrix algebra perspective.

The book consists of two parts: the first discusses the fundamentals of matrix algebra in detail, while the second focuses on the applications of matrix algebra approaches in AI. Highlighting matrix algebra in graph-based learning and embedding, network embedding, convolutional neural networks and Pareto optimization theory, and discussing recent topics and advances, the book offers a valuable resource for scientists, engineers, and graduate students in various disciplines, including, but not limited to, computer science, mathematics and engineering.

Part 1. Introduction to Matrix Algebra.- Chapter 1. Basic Matrix Computation.- Chapter 2. Matrix Differential.- Chapter 3. Gradient and Optimization.- Chapter 4. Solution of Linear Systems.- Chapter 5. Eigenvalue Decomposition.- Part 2. Artificial Intelligence.- Chapter 6. Machine Learning.- Chapter 7. Neural Networks.- Chapter 8. Support Vector Machines.- Chapter 9. Evolutionary Computation.