酷应用

新闻
- 看点
- 观点
- 读点
- 热点
科技
- 数码
- 软件
- 应用
- 极客
企服
- 电商
- 运营
- 移动
- 访谈
- 动态
- 招聘
- 访谈
- 百家
安全
- 业界
- 快讯
- 技术
- 校园
- 工具
文娱
- 明星
- 影视
- 音乐
- 网娱
- 韩娱
- 词典
游戏
- 手游
- 页游
- 端游
好货
- 报道
- 值得买
- 健康

历时7年完成，大获称赞的概率数值计算新书在线可看

百家作者：机器之心 2022-07-06 15:35:12

机器之心报道

编辑：小舟

蒂宾根大学的 Philipp Hennig 教授及其合著者编写了一本名为《Probabilistic Numerics: Computation as Machine Learning》的新书，适合初级研究者学习使用。

概率数值计算（probabilistic numerical computation）形式化了机器学习和应用数学之间的联系。数值算法以计算出的数值近似难以处理的数值，例如通过对被积函数的评估来估计积分、根据矢量场的评估来估计由微分方程描述的动力系统的路径，从数据中推断出一个潜在的数值。

用概率度量量化数据不确定性有什么好处？首先，完整的概率分布是比单一近似（点估计）更丰富的输出。其次，概率分布允许将数值问题的预期结构更精确地编码到求解器中。

蒂宾根大学教授、马克斯 · 普朗克智能系统研究所的研究员的 Philipp Hennig 教授及其合著者最近发表了一本名为《Probabilistic Numerics: Computation as Machine Learning》的新书，免费电子版在线可看。这本书表明我们可以将计算例程（routine）视为学习机器，并使用贝叶斯推理的概念来构建更灵活、高效，可定制的计算算法。

pdf 地址：https://www.probabilistic-numerics.org/textbooks/

该书的作者之一、牛津大学机器学习教授 Michael A. Osborne 在推特上表示三位作者自 2015 年起历时 7 年才完成这本书。这本书提供了广泛的背景材料和丰富的样例，适合硕士生和博士生，以及人工智能、计算机科学、统计学和应用数学领域的初级研究人员。

人工智能和数据科学领域的研究者与从业者纷纷转发称赞这本新书，包括谷歌大脑科学家、爱丁堡大学讲师、斯坦福大学博士生等。

下面我们来看一下这本书的大致内容，全书主要分为 8 个部分。

第一部分介绍概率数论的背景知识，包括高斯分布、回归分析、随机微分方程等。第二部分主要介绍了几种正交方法，包括贝叶斯正交等。

第三部分重点介绍了线性代数的背景知识和概率线性求解器，并归纳总结了多种经典求解器方法。第四和第五部分主要介绍了优化的方法及其应用案例。第六部分讲解了求解常微分方程（ODE）的方法。

第七部分以问答的形式回答了概率数论的应用方向和意义。最后第八部分提供了书中案例习题的具体解决方法，供读者参考练习。

© THE END

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/

*文章为作者独立观点，不代表爱尖刀立场

本文由机器之心发表，转载此文章须经作者同意，并请附上出处( 爱尖刀 )及本页链接。

原文链接 https://www.ijiandao.com/2b/baijia/435978.html

图库

公众号

关注网络尖刀微信公众号
随时掌握互联网精彩

赞助链接

百度热搜榜

排名热点搜索指数