机读格式显示(MARC)

• 000 01379nam0 2200277 450

• 001 0000358481

• 005 20240926124100.0

• 010 __ |a 978-7-5124-4012-8 |d CNY69.00

• 100 __ |a 20230404d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 面向多视图数据融合的表示学习 |A mian xiang duo shi tu shu ju rong he de biao shi xue xi |f 张楠, 孙仕亮著

• 210 __ |a 北京 |c 北京航空航天大学出版社 |d 2023.2

• 215 __ |a 156页 |c 图 |d 24cm

• 314 __ |a 张楠, 博士, 温州大学讲师。博士毕业于中国矿业大学, 曾在华东师范大学从事博士后研究工作。孙仕亮, 博士, 华东师范大学教授。博士毕业于清华大学, 曾在University College London, Rutgers University, Columbia University从事访问研究工作, 并连续8年入选“中国高被引学者榜单”。

• 320 __ |a 有书目

• 330 __ |a 本书以多视图表示学习思想为潜在主线循序渐进地展开介绍, 首先介绍基于深度生成模型的多视图表示学习方法与基于样本间图结构的多视图受限玻耳兹曼机模型, 然后给出在时间序列上的多视图表示学习方法, 最后介绍两种在视图缺失场景中的多视图表示学习方法。

• 333 __ |a 本书可作为机器学习、人工智能、智能科学等专业的高年级本科生和研究生的学习用书, 并对从事相关领域的研究人员具有重要的参考价值

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 张楠 |A zhang nan |4 著

• 701 _0 |a 孙仕亮 |A sun shi liang |4 著

• 801 _0 |a CN |b GDPTC |c 20240922

• 905 __ |a GDPTC |d TP181/297