v

您的位置:VeryCD图书教育科技

图书资源事务区


《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]

  • 状态: 精华资源
  • 摘要:
    出版社中信出版社
    发行时间2003年07月01日
    语言简体中文
  • 时间: 2010/01/04 16:34:19 发布 | 2010/01/07 15:18:49 更新
  • 分类: 图书  教育科技 

ghost9106

精华资源: 9

全部资源: 18

相关: 分享到新浪微博   转播到腾讯微博   分享到开心网   分享到人人   分享到QQ空间   订阅本资源RSS更新   美味书签  subtitle
该内容尚未提供权利证明,无法提供下载。
中文名生物信息学-机器学习方法
原名BIOINFORMATICS-The Machine Learing Approach
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
简介

IPB Image
书名:生物信息学:机器学习方法(第2版)
作者:(法)皮埃尔.巴尔迪等 等编
出版社:中信出版社

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。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。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。


个人电脑,开机时间不定,请大家耐心等待!
IPB Image
IPB Image



目录

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

正在读取……

这里是其它用户补充的资源(我也要补充):

暂无补充资源
正在加载,请稍等...

点击查看所有17网友评论

 

(?) [公告]留口水、评论相关规则 | [活动]每日签到 轻松领取电驴经验

    小贴士:
  1. 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  2. 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  3. 勿催片。请相信驴友们对分享是富有激情的,如果确有更新版本,您一定能搜索到。
  4. 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
  5. 如果您发现自己的评论不见了,请参考以上4条。