商品簡介
本書是英國劍橋大學卡文迪許實驗室的著名學者David J.C.MacKay博士總結多年教學經驗和科研成果，于2003年推出的一部力作。本書作者不僅透徹地論述了傳統信息論的內容和最新編碼算法，而且以高度的學科駕馭能力，匠心獨具地在一個統一框架下討論了貝葉斯數據建模、蒙特卡羅方法、聚類算法、神經網絡等屬于機器學習和推理領域的主題，從而很好地將諸多學科的技術內涵融會貫通。本書注重理論與實際的結合，內容組織科學嚴謹，反映了多門學科的內在聯系和發展趨勢。同時，本書還包含了豐富的例題和近400道習題（其中許多習題還配有詳細的解答），便于教學或自學，適合作為信息科學與技術相關專業高年級本科生和研究生教材，對相關專業技術人員也不失為一本有益的參考書。
目次
第1章 信息論導論
第2章 概率、熵與推理
第3章 有關推理的更多內容
第一部分 數據壓縮
第4章 信源編碼定理
第5章 符號碼
第6章 符號流碼
第7章 整數的碼
第二部分 噪聲信道編碼
第8章 相關隨機變量
第9章 噪聲信道上的通信
第10章 噪聲信道編碼定理
第11章 糾錯碼與實際信道
第三部分 信息論中的更多專題
第12章 散列碼：用于有效信息檢索的碼
第13章 二進制碼
第14章 存在很好的線性碼
第15章 有關信息論的更多習題
第16章 消息傳遞
第17章 受限無噪信道上的通信
第18章 縱橫字謎與密碼破譯
第19章 為何有性?信息獲取與進化
第四部分 概率與推理
第20章 一個推理任務示例：聚類
第2l章 基於完全枚舉的精確推理
第22章 最大似然與聚類
第23章 有用的概率分布
第24章 精確邊緣化
第25章 網格中的精確邊緣化
第26章 圖中的精確邊緣化
第27章 拉普拉斯方法
第28章 模型比較與奧卡姆剃刀原理
第29章 蒙特卡羅方法
第30章 有效的蒙特卡羅方法
第31章 伊辛模型
第32章 精確蒙特卡羅采樣
第33章 變參法
第34章 獨立元素分析與隱含變量建模
第35章 有關隨機推理的專題
第36章 決策論
第37章 貝葉斯推理與抽樣理論
第五部分 神經網絡
第38章 神經網絡引言
第39章 單神經元分類器
第40章 單神經元的容量
第41章 以學習作推理
第42章 HopfieId網絡
第43章 玻耳茲曼機
第44章 多層網絡的有監督學習
第45章 高斯過程
第46章 反卷積
第六部分 稀疏圖碼
第47章 低密度奇偶校驗碼
第48章 卷積碼與Turbo碼
第49章 重復累加碼
第50章 數字噴泉碼
第七部分 附錄
附錄A 記號
附錄B 一些物理知識
附錄C 一些數學知識
英漢詞匯表
參考文獻
