当前位置: 100md首页 > 医学版 > 医学资料 > 资料下载2015 > 生物医学类图书书籍
编号:3472
生物信息学-机器学习方法.pdf
http://www.100md.com
第1页
第179页
第6页
《生物信息学-机器学习方法》(BIOINFORMATICS-The Machine Learing Approach)((法)皮埃尔﹒巴尔迪 Pierre Baldi & (丹)索恩﹒布鲁纳克 Soren Brunak)第二版[PDF]
《生物信息学-机器学习方法》(BIOINFORMATICS-The Machine Learing Approach)((法)皮埃尔﹒巴尔迪 Pierre Baldi & (丹)索恩﹒布鲁纳克 Soren Brunak)第二版[PDF]

    参见附件(12294KB，427页)。

    中文名: 生物信息学-机器学习方法

    原名: BIOINFORMATICS-The Machine Learing Approach

    作者: (法)皮埃尔﹒巴尔迪 Pierre Baldi(丹)索恩﹒布鲁纳克 Soren Brunak

    译者: 张东晖

    资源格式: PDF

    版本: 第二版

    出版社: 中信出版社

    书号: 9787800737084

    发行时间: 2003年07月01日

    地区: 大陆

    语言: 简体中文

    生物信息学-机器学习方法简介:

    生物信息学-机器学习方法:

    《生物信息学-机器学习方法》本书介绍了机器学习方法的主要内容及其在生物学数据处理中的应用。《生物信息学-机器学习方法》其中对机器学习技术的理论基础——贝叶斯概率体系进行了详细介绍，并在此基础上着重对神经网络、隐也氏模型以及概率图模型等方法在生物信息学中的应用作了详细分析。

    《生物信息学-机器学习方法》书中特别列出一章介绍了DNA微阵列和基因表达，以及相关数据的分析方法。本书主要针对两个读者群体。一是生物学和生物化学研究人员，他们想了解基于数据处理的算法；二是物理、数学、统计、计算机科学等领域的学者，他们想知道机器学习方法在分子生物学研究中的应用。

    生物信息学-机器学习方法:

    生物信息学-机器学习方法目录:

    第一章 概述

    第二章 机器学习的基础：概率理论体系

    第三章 概率建模和推断：应用举例

    第四章 机器学习算法

    第五章 神经网络：理论

    第六章 神经网络：应用

    第七章 隐马氏模型：理论

    第八章 隐马氏模型：应用

    第九章 生物信息学中的概率图模型

    第十章 进化的概率模型：系统进化树

    第十一章 随机文法和语言学

    第十二章 微阵列和基因表达

    第十三章 互联网资源和公共数据库

    附录A 统计学

    附录B 信息论、熵和相对熵

    附录C