基本信息
作译者
[巴西]迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva） 赵亮（Liang Zhao） 著：迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva） 巴西中央银行研究员，博士毕业于巴西圣保罗大学，目前的研究领域包括机器学习、复杂网络、金融稳定性、系统风险和银行业务等。
赵亮（Liang Zhao） 巴西圣保罗大学教授，计算机科学与数学系主任，博士毕业于巴西航空技术学院，目前的研究兴趣包括机器学习、复杂网络、人工神经网络和模式识别。
赵亮（Liang Zhao） 巴西圣保罗大学教授，计算机科学与数学系主任，博士毕业于巴西航空技术学院，目前的研究兴趣包括机器学习、复杂网络、人工神经网络和模式识别。
目录
译者序
前言
作者简介
符号列表
第1章概述
11背景
12本书主要内容
13本书结构
参考文献
第2章复杂网络
21图论简介
211图的定义
212图的连通性
213路径和环路
214子图
215树和森林
216图的矩阵表示
22网络演化模型
221随机网络
222小世界网络
前言
作者简介
符号列表
第1章概述
11背景
12本书主要内容
13本书结构
参考文献
第2章复杂网络
21图论简介
211图的定义
212图的连通性
213路径和环路
214子图
215树和森林
216图的矩阵表示
22网络演化模型
221随机网络
222小世界网络
媒体评论
本书将机器学习和复杂网络这两个热点研究领域结合起来，不仅包括必备的基础知识，还涵盖新近的研究成果，并且对监督学习、无监督学习和半监督学习方法的案例进行了详细分析，适合计算机科学和工程方向的研究人员和学生阅读。
本书特色
针对无监督和半监督学习，研究了使用随机非线性动力系统的粒子竞争技术，并提出了模型的解析方法，使研究人员能够快速利用该技术进行预测分析。
针对半监督学习中的数据噪声和可靠性问题，采用广泛使用的真实数据集和人工合成数据集，通过竞争机制消除训练数据集的缺陷，填补了这项重要的实践在理论研究方面的空白。
针对网络环境下的机器学习技术，提出了一种结合低阶和高阶学习的混合监督分类技术，低阶项可通过传统的分类技术实现，而高阶项可通过从输入数据构建的网络提取拓扑特征来实现，证明了高阶项能够根据数据语义实现分类。
作者简介
迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva）巴西中央银行研究员，博士毕业于巴西圣保罗大学，目前的研究领域包括机器学习、复杂网络、金融稳定性、系统风险和银行业务等。
赵亮（Liang Zhao）巴西圣保罗大学教授，计算机科学与数学系主任，博士毕业于巴西航空技术学院，目前的研究兴趣包括机器学习、复杂网络、人工神经网络和模式识别。
本书特色
针对无监督和半监督学习，研究了使用随机非线性动力系统的粒子竞争技术，并提出了模型的解析方法，使研究人员能够快速利用该技术进行预测分析。
针对半监督学习中的数据噪声和可靠性问题，采用广泛使用的真实数据集和人工合成数据集，通过竞争机制消除训练数据集的缺陷，填补了这项重要的实践在理论研究方面的空白。
针对网络环境下的机器学习技术，提出了一种结合低阶和高阶学习的混合监督分类技术，低阶项可通过传统的分类技术实现，而高阶项可通过从输入数据构建的网络提取拓扑特征来实现，证明了高阶项能够根据数据语义实现分类。
作者简介
迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva）巴西中央银行研究员，博士毕业于巴西圣保罗大学，目前的研究领域包括机器学习、复杂网络、金融稳定性、系统风险和银行业务等。
赵亮（Liang Zhao）巴西圣保罗大学教授，计算机科学与数学系主任，博士毕业于巴西航空技术学院，目前的研究兴趣包括机器学习、复杂网络、人工神经网络和模式识别。
