信息论、推理与学习算法（翻译版） / 教育部推荐引进版教材
译者：肖明波等 译；
出版时间：2006年7月
出版社：高等教育出版社
- 高等教育出版社
- 9787040196412
- 1版
- 153512
- 0045154163-5
- 16开
- 2006年7月
- 400
- 743
- 工学
- 信息与通信工程
- TN911.2
- 电子信息类
- 研究生、本科
本书主体部分包含六大部分，共50章。第一部分至第三部分为传统信息论的内容，讨论了信源编码定理和数据压缩、噪声信道编码定理和纠错码以及散列码等专题。第四部分涉及概率与推理，着重论述贝叶斯推理、聚类算法、蒙特卡罗方法以及决策论等内容，并指出了基于抽样理论的传统推理方法所存在的不足。第五部分神经网络，讨论了单神经元分类器、神经网络学习推理和Hopfield网络，还着重推导了神经网络的信息容量。第六部分稀疏图码，介绍LDPC码、Turbo码、重复累加码和数字喷泉码等性能优越的“后现代”信道编码算法。
第1章 信息论导论
第2章 概率、熵与推理
第3章 有关推理的更多内容
第一部分 数据压缩
第4章 信源编码定理
第5章 符号码
第6章 符号流码
第7章 整数的码
第二部分 噪声信道编码
第8章 相关随机变量
第9章 噪声信道上的通信
第10章 噪声信道编码定理
第11章 纠错码与实际信道
第三部分 信息论中的更多专题
第12章 散列码：用于有效信息检索的码
第13章 二进制码
第14章 存在很好的线性码
第15章 有关信息论的更多习题
第16章 消息传递
第17章 受限无噪信道上的通信
第18章 纵横字谜与密码破译
第19章 为何有性?信息获取与进化
第四部分 概率与推理
第20章 一个推理任务示例：聚类
第2l章 基于完全枚举的精确推理
第22章 最大似然与聚类
第23章 有用的概率分布
第24章 精确边缘化
第25章 网格中的精确边缘化
第26章 图中的精确边缘化
第27章 拉普拉斯方法
第28章 模型比较与奥卡姆剃刀原理
第29章 蒙特卡罗方法
第30章 有效的蒙特卡罗方法
第31章 伊辛模型
第32章 精确蒙特卡罗采样
第33章 变参法
第34章 独立元素分析与隐含变量建模
第35章 有关随机推理的专题
第36章 决策论
第37章 贝叶斯推理与抽样理论
第五部分 神经网络
第38章 神经网络引言
第39章 单神经元分类器
第40章 单神经元的容量
第41章 以学习作推理
第42章 HopfieId网络
第43章 玻耳兹曼机
第44章 多层网络的有监督学习
第45章 高斯过程
第46章 反卷积
第六部分 稀疏图码
第47章 低密度奇偶校验码
第48章 卷积码与Turbo码
第49章 重复累加码
第50章 数字喷泉码
第七部分 附录
附录A 记号
附录B 一些物理知识
附录C 一些数学知识
英汉词汇表
参考文献
