机读格式显示(MARC)

• 000 01304m0 220000253 45450

• 001 0000467747

• 005 20240509145400.0

• 010 __ |a 978-7-5192-9697-1 |b 精装 |d CNY168.00

• 100 __ |a 20221219d2023 em y0chiy50 ea

• 101 0_ |a eng

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 神经计算的信息论方法 |A shen jing ji suan de xin xi lun fang fa |f (意)古斯塔沃·德科,(德)德拉甘·奥布拉多维奇著 |g 徐晔佳等译

• 210 __ |a 北京 |c 世界图书出版有限公司北京分公司 |d 2023

• 215 __ |a 569页 |d 23cm

• 330 __ |a 信息论已被证明可以有效地解决许多计算机视觉和模式识别（CVPR）问题，如图像匹配、聚类和分割、显著性检测、特征选择、最优分类器设计等。如今，研究人员正在将信息理论的元素广泛引入CVPR领域，其中包括测度（熵、交互信息）、原理（最大熵、极大极小熵）和理论（速率失真理论、类型法）等。本书通过增量复杂性方法探索和介绍了信息论的元素，同时也提出了CVPR问题的形成和和最具代表性的算法。当应用于不同的问题时，作者会突出信息理论原理之间的有趣关联，寻求一个全面的研究路线图。本书的研究结果为CVPR和机器学习。

• 606 0_ |a 信息论 |A Xin Xi Lun |x 应用 |x 人工神经网络 |x 计算 |j 英文

• 690 __ |a TP183 |v 5

• 701 _0 |c (意) |a 德科 |A de ke |4 著

• 701 _0 |c (德) |a 奥布拉多维奇 |A ao bu la duo wei qi |4 著

• 702 _0 |a 徐晔佳 |A Xu Ye Jia |4 译

• 801 _0 |a CN |b AUSTL |c 20240402

• 905 __ |a AUSTL |d TP183/D446-2