EECS應用概率論 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 瓦爾朗（Jean Walrand） 著，黃隆波 譯

齣版社： 人民郵電齣版社

ISBN：9787115398963

版次：1

商品編碼：11781038

包裝：平裝

叢書名： 圖靈數學·統計學叢書

開本：小16開

齣版時間：2015-09-01

用紙：膠版紙

頁數：274

正文語種：中文

編輯推薦

各行各業都在或多或少地利用概率的知識分析和解決問題。計算機科學和通信行業對概率的應用則日益精準嚴謹。
《EECS應用概率論》源自美國加州大學伯剋利分校針對計算機和電子電氣工程專業學生的一門概率課，為有一定概率基礎的學生深入講解概率論的實際應用。作者精心選取瞭6個當前熱門的科技應用——榖歌PageRank算法、鏈路復用技術、數字鏈路通信、追蹤預測、語音識彆和道路設計，並通過講述概率論在不同應用中的作用詳細介紹基礎的概率知識以及概率論中的重要概念。

內容簡介

《EECS應用概率論》精心選取瞭6個當前熱門的科技應用：榖歌PageRank算法、鏈路復用技術、數字鏈路通信、追蹤預測、語音識彆和路綫規劃，並通過講述概率論在不同應用中的作用來詳細介紹基礎的概率知識以及概率論中的重要概念，包括馬爾可夫鏈、大數定律、中心極限定理、假設檢驗、方差預測等。

作者簡介

Jean Walrand
在美國加州大學伯剋利分校取得EECS博士學位，自1982年以來一直在該校任教，研究興趣包括隨機過程、排隊論、通信網絡、博弈論和互聯網的經濟性。Walrand教授是比利時－美國教育基金會和IEEE的研究員，曾經榮獲蘭徹斯特奬、萊斯論文奬、IEEE小林宏治奬和ACM測量與評估專業卓越成就奬。

目錄

第1章　PageRank—A 1
1．1　模型 1
1．2　馬爾可夫鏈 3
1．2．1　定義 3
1．2．2　n步後的分布和穩態分布 4
1．3　分析 5
1．3．1　不可約性和非周期性 5
1．3．2　大數定律 5
1．3．3　長期時間比例 6
1．4　擊中時間 7
1．4．1　平均擊中時間 7
1．4．2　擊中另一狀態之前命中某一狀態的概率 8
1．4．3　馬爾可夫鏈的首步方程 9
1．5　小結 10
1．6　參考資料 10
1．7　練習 11
第2章　PageRank—B 15
2．1　樣本空間 15
2．2　投擲硬幣的大數定律 17
2．2．1　依概率收斂 17
2．2．2　幾乎處處收斂 18
2．3　獨立同分布隨機變量的大數定律 20
2．3．1　弱大數定律 20
2．3．2　強大數定律 21
2．4　馬爾可夫鏈的大數定律 22
2．5　期望的收斂 23
2．6　大定理的證明 25
2．6．1　定理1．2(a)的證明 25
2．6．2　定理1．2(b)的證明 26
2．6．3　周期性 27
2．7　小結 29
2．8　參考資料 29
2．9　練習 30
第3章　多路復用—A 31
3．1　鏈路共享 32
3．2　高斯隨機變量與中心極限定理 34
3．3　多路復用與高斯分布 37
3．4　置信區間 37
3．5　緩衝器 39
3．6　多址訪問 43
3．7　小結 44
3．8　參考資料 45
3．9　練習 45
第4章　多路復用—B 47
4．1　特徵方程 47
4．2　中心極限定理的證明（概要） 48
4．3　N(0，1)的高階矩 49
4．4　兩個獨立同分布於N (0，1)的隨機變量平方和 50
4．5　特徵函數的兩個應用 51
4．5．1　泊鬆分布作為二項分布的近似 51
4．5．2　指數分布作為幾何分布的近似 51
4．6　誤差函數 52
4．7　自適應多址訪問 53
4．8　小結 55
4．9　參考資料 55
4．10　練習 55
第5章　數字鏈路—A 57
5．1　檢測與貝葉斯準則 58
5．1．1　貝葉斯準則 58
5．1．2　最大後驗概率（MAP）與最大似然估計（MLE） 59
5．1．3　二元對稱信道 60
5．2　霍夫曼編碼 62
5．3　高斯信道 64
5．4　多維高斯信道 66
5．5　假設檢驗 67
5．5．1　規範化問題 68
5．5．2　解答 68
5．5．3　示例 69
5．6　小結 75
5．7　參考資料 76
5．8　練習 76
第6章　數字鏈路—B 79
6．1　霍夫曼編碼最優性的證明 79
6．2　低密度奇偶校驗碼（LDPC碼） 80
6．3　聯閤高斯分布隨機變量 85
6．4　聯閤高斯分布隨機變量的密度函數 86
6．5　奈曼?皮爾遜定理5．6的證明 88
6．6　小結 89
6．7　參考資料 90
6．8　練習 90
第7章　追蹤定位—A 91
7．1　估計問題 92
7．2　綫性最小平方估計（LLSE） 93
7．3　綫性迴歸 97
7．4　最小均方估計（MMSE） 98
7．5　隨機嚮量的情況 104
7．6　卡爾曼濾波器 106
7．6．1　濾波器 106
7．6．2　示例 107
7．7　小結 110
7．8　參考資料 110
7．9　練習 111
第8章　追蹤定位—B 115
8．1　LLSE的更新 115
8．2　卡爾曼濾波器的推導 116
8．3　卡爾曼濾波器的特性 118
8．3．1　可觀測性 119
8．3．2　可達性 120
8．4　擴展卡爾曼濾波器 121
8．5　小結 124
8．6　參考資料 124
第9章　語音識彆—A 125
9．1　學習：概念和示例 125
9．2　隱馬爾可夫鏈 126
9．3　期望最大化和聚類 129
9．3．1　一個簡單的聚類問題 129
9．3．2　迴首再探 130
9．4　學習：隱馬爾可夫鏈 132
9．4．1　硬期望最大化 132
9．4．2　訓練維特比算法 132
9．5　小結 132
9．6　參考資料 133
9．7　練習 133
第10章　語音識彆—B 135
10．1　在綫綫性迴歸 135
10．2　隨機梯度投影理論 136
10．2．1　梯度投影 137
10．2．2　隨機梯度投影算法 140
10．2．3　鞅收斂定理 142
10．3　大數據 143
10．3．1　相關數據 143
10．3．2　壓縮感知 147
10．3．3　推薦係統 150
10．4　小結 151
10．5　參考資料 151
10．6　練習 151
第11章　路綫規劃—A 153
11．1　係統建模 153
11．2　方法1：提前規劃 154
11．3　方法2：適應性算法 155
11．4　馬爾可夫決策問題 156
11．5　無限時域問題 161
11．6　小結 162
11．7　參考資料 162
11．8　練習 163
第12章　路綫規劃—B 166
12．1　綫性二次型高斯問題 166
12．2　有噪聲觀測時的綫性二次型高斯問題 169
12．3　部分可觀測的馬爾可夫決策問題 171
12．4　小結 173
12．5　參考資料 174
12．6　練習 174
第13章　視野拓展和補充 176
13．1　推斷問題 176
13．2　充分統計量 177
13．3　無限馬爾可夫鏈 179
13．4　泊鬆過程 181
13．4．1　定義 181
13．4．2　獨立自增量 182
13．4．3　跳躍次數 183
13．5　連續時間馬爾可夫鏈 184
13．6　二元對稱信道的容量 186
13．7　概率界 190
13．8　鞅 194
13．8．1　定義 194
13．8．2　示例 195
13．8．3　大數定律 199
13．8．4　沃爾德等式 200
13．9　小結 201
13．10　參考資料 201
13．11　練習 202
附錄A　概率論基礎知識 206
附錄B　綫性代數基本知識 240
附錄C　Matlab 253
參考文獻 273

前言/序言

評分☆☆☆☆☆

現在工作用到概率論，都還給老師，這教材據說比較經典，拿來作為手冊查。

評分☆☆☆☆☆

這本書正在研究，畢竟是數據理論用在機器學習方麵

評分☆☆☆☆☆

200-100的券買的 太實惠瞭

評分☆☆☆☆☆

評分☆☆☆☆☆

這本書正在研究，畢竟是數據理論用在機器學習方麵

評分☆☆☆☆☆

很好的教材，贊一個！這個係列的數學書買瞭很多，非常不錯。

評分☆☆☆☆☆

好

評分☆☆☆☆☆

內容還是比較技術性，需要有一定的數學基礎，可以多學習一下

評分☆☆☆☆☆

不錯