Information theory, inference, and learning algorithms
作者: (英)David J. C. Mackay著;肖明波[等]译
出版社:高等教育出版社,2006
简介:本书是英国著名的卡文迪许实验室的著名学者David J.C.MacKay博士总
结多年教学经验和科研成果,于2003年推出的一部力作。它不仅包含传统信
息论的内容(如香农定理和通信系统理论基础),还对LDPC等最新的编码算法
进行了论述。此外,本书作者以高度的学科驾驭能力,匠心独具地在一个统
一框架下讨论了贝叶斯数据建模、蒙特卡罗方法、聚类算法、神经网络等属
于机器学习和推理领域的主题。从而很好地将通信、信号处理、数据挖掘、
机器学习、模式识别、计算神经学、生物信息学和密码学等诸多学科的技术
内涵融会贯通。本书注重理论与实际的结合,内容组织科学严谨,反映了多
门学科的内在联系和发展趋势。同时,本书还包含了丰富的例题和近400道
习题(其中许多习题还配有详细的解答),便于教学或自学,适合作为信息科
学与技术相关专业高年级本科生和研究生教材,对相关专业技术人员也不失
为一本有益的参考书。虽然信息论相关技术的发展日新月异,我们相信本书
的内容不会很快过时;虽然国内外关于信息论的专著和教材已经出版很多,
但本书有其显著特色和优势,有望成为一本素质教育教材。
本书主体部分包含六大更多>>