Re: [swarmagents_ai] Re: 关于AI涉及的数学

[nezha]

收到！听人劝，吃饱饭~~O(∩_∩)O谢啦

　　

 

======== 2009-03-18 21:49:35 您在来信中写道： ========

 

Duda的书是大家公认最权威的，可确实比较难(反正我没啃完过)。 Duda在书里附录A中列出了数学基础：线性代数、概率论、信息论和计算复杂性理论。你可以先读读附录A，就知道会涉及哪些数学内容了。 PRML 这里可以下载 http://forum.eviloctal.com/thread-32655-1-3.html，不过应该没有中文版 公孙欠谀 写道: Duda 的那本对初学者来说难了些。你可以看一下主教兄写的那本prml 2rd 很nice :D 2009/3/17 nezha <he.n...@gmail.com>: Miner开的这个帖子真是太好了！真是想什么就来什么啊~请允许我用范伟那诚挚的语气说一声：谢谢啊！ 顺便搭车再问俩问题： 其一.学习模式识别需要什么数学啊？貌似概率很重要~ 其二.模式识别有什么好的入门教材吗？我看有的推荐Duda的《模式分类》。。。 ======= 2009-03-17 17:30:47 您在来信中写道：======= 鄙人一个小小建议： 高数千万别看同济版的，直接看那本英文的数学分析，如果觉得太难上手，那就多做些吉米多维奇。 信息论推荐那本 elements of information theory 2rd 概率方面的用Sheldon Ross的三件套 "first course in probability, introduction to probability model, simulation" 还是尽量少看中文的吧：D 没好处 2009/3/17 01-_-19 <01-...@163.com>: 收藏了，感谢二位。 本菜鸟现在正在狂啃同济版的高等数学，看来当个牛人真的很不容易啊！ 攒银子，挤时间----短期目标：当一回那种本菜鸟一向敬而远之的"非人类"！ 在2009-03-16，"Yan Ren" <pem...@gmail.com> 写道： 用的比较多的教材： 微积分： 同济版， 高等数学 http://www.douban.com/subject/1231393/?i=0 概率论： 高教版， 概率论与数理统计 http://www.douban.com/subject/1231189/?i=0 信息论： 北航版， 信息理论基础 http://www.douban.com/subject/1247198/?i=2 推荐： 北邮版，概率论、随机过程与数理统计 http://www.douban.com/subject/3035945/?i=0 离散数学我用过这本： 高教影印版，离散数学结构 http://www.douban.com/subject/1116435/?i=4 虽然是英文的，倒是很好懂 矩阵论，数学专业的才学这个好像，，还是找本线性代数的书先看。 其它的没学过。 On 2009年3月16日 Monday 22:56:49 Miner wrote: 上回讨论的时候提到非理工科的朋友在学习AI的时候需要了解哪些数学内容。 我想作为基础需要了解：离散数学(主要是集合论、数理逻辑)、高等数学（主要是 微积分）、概率论、线性代数、信息论、计算复杂性理论。 其中"信息论"和"计算复杂性理论"先了解基本概念就可以了，"概率论"要好好学习。 "微积分"入门推荐《微积分之屠龙宝刀》《微积分之倚天宝剑》这两本书，语言幽默风 趣，很适合激发初学者的兴趣。 其他几门我不知道有什么合适的入门书籍，谁能推荐一下？ 另外，也可以看一些经典的数学科普书，比如《什么是数学》《古今数学思想》《数学- -它的内容，方法和意义》《数学:确定性的丧失》《逻辑的引擎》等等。 AI的各个子领域会涉及的数学分支很多，比如矩阵论、随机过程、最优化理论、计 算几何等等，这些需要的时候再学吧（很多我也没学过:）。 网易邮箱，中国第一大电子邮件服务商 > = = = = = = = = = = = = = = = = = = = = 致 礼！ nezha he.n...@gmail.com 2009-03-17 = = = = = = = = = = = = = = = = = = = = = = 　　　　　　　　致 礼！   　　　　　　　　　　　　　　nezha 　　　　　　　　　　　　　　he.n...@gmail.com 　　　　　　　　　　　　　　　2009-03-20

[darkmoon2000]

呵呵，很热闹啊。下面几本书怎么都像大学的教材，不过学的时候就没学好，现在更是忘光了。。。。

On 3月20日, 下午10时48分, "nezha" <he.ne...@gmail.com> wrote:
> 收到！听人劝，吃饱饭~~O(∩_∩)O谢啦
>
>
> ======== 2009-03-18 21:49:35 您在来信中写道： ========
>
> Duda的书是大家公认最权威的，可确实比较难(反正我没啃完过)。
> Duda在书里附录A中列出了数学基础：线性代数、概率论、信息论和计算复杂性理论。你可以先读读附录A，就知道会涉及哪些数学内容了。
>

> PRML 这里可以下载http://forum.eviloctal.com/thread-32655-1-3.html，不过应该没有中文版

>
> 公孙欠谀 写道:
> Duda 的那本对初学者来说难了些。你可以看一下主教兄写的那本prml 2rd 很nice :D
>

> 2009/3/17 nezha <he.ne...@gmail.com>:

>
> Miner开的这个帖子真是太好了！真是想什么就来什么啊~请允许我用范伟那诚挚的语气说一声：谢谢啊！
> 顺便搭车再问俩问题：
> 其一.学习模式识别需要什么数学啊？貌似概率很重要~
> 其二.模式识别有什么好的入门教材吗？我看有的推荐Duda的《模式分类》。。。
>
> ======= 2009-03-17 17:30:47 您在来信中写道：=======
>
> 鄙人一个小小建议：
>
> 高数千万别看同济版的，直接看那本英文的数学分析，如果觉得太难上手，那就多做些吉米多维奇。
>
> 信息论推荐那本 elements of information theory 2rd
>
> 概率方面的用Sheldon Ross的三件套 "first course in probability, introduction to
> probability model, simulation"
>
> 还是尽量少看中文的吧：D 没好处
>

> 2009/3/17 01-_-19 <01-_...@163.com>:

>
> 收藏了，感谢二位。 本菜鸟现在正在狂啃同济版的高等数学，看来当个牛人真的很不容易啊！
> 攒银子，挤时间----短期目标：当一回那种本菜鸟一向敬而远之的"非人类"！
>

> 在2009-03-16，"Yan Ren" <pemr...@gmail.com> 写道：
>
> 用的比较多的教材：
>
> 微积分： 同济版， 高等数学http://www.douban.com/subject/1231393/?i=0
>
> 概率论： 高教版， 概率论与数理统计http://www.douban.com/subject/1231189/?i=0
>
> 信息论： 北航版， 信息理论基础http://www.douban.com/subject/1247198/?i=2
>
> 推荐：
> 北邮版，概率论、随机过程与数理统计http://www.douban.com/subject/3035945/?i=0
>
> 离散数学我用过这本：
> 高教影印版，离散数学结构http://www.douban.com/subject/1116435/?i=4

> 虽然是英文的，倒是很好懂
>
> 矩阵论，数学专业的才学这个好像，，还是找本线性代数的书先看。
> 其它的没学过。
> On 2009年3月16日 Monday 22:56:49 Miner wrote:
>
> 上回讨论的时候提到非理工科的朋友在学习AI的时候需要了解哪些数学内容。
>
> 我想作为基础需要了解：离散数学(主要是集合论、数理逻辑)、高等数学（主要是
> 微积分）、概率论、线性代数、信息论、计算复杂性理论。
> 其中"信息论"和"计算复杂性理论"先了解基本概念就可以了，"概率论"要好好学习。
> "微积分"入门推荐《微积分之屠龙宝刀》《微积分之倚天宝剑》这两本书，语言幽默风
> 趣，很适合激发初学者的兴趣。
> 其他几门我不知道有什么合适的入门书籍，谁能推荐一下？
>
> 另外，也可以看一些经典的数学科普书，比如《什么是数学》《古今数学思想》《数学-
> -它的内容，方法和意义》《数学:确定性的丧失》《逻辑的引擎》等等。
>
> AI的各个子领域会涉及的数学分支很多，比如矩阵论、随机过程、最优化理论、计
> 算几何等等，这些需要的时候再学吧（很多我也没学过:）。
>
> 网易邮箱，中国第一大电子邮件服务商 >
>
> = = = = = = = = = = = = = = = = = = = =
>
> 致
> 礼！
>
> nezha

> he.ne...@gmail.com

> 2009-03-17
>
> = = = = = = = = = = = = = = = = = = = = = =
> 　　　　　　　　致
> 礼！
>
> 　　　　　　　　　　　　　　nezha

> 　　　　　　　　　　　　　　he.ne...@gmail.com
> 　　　　　　　　　　　　　　　2009-03-20