编辑推荐
本书为有一定概率基础的学生深入讲解概率论的实际应用。
内容简介
《EECS应用概率论》精心选取了6个当前热门的科技应用：谷歌PageRank算法、链路复用技术、数字链路通信、追踪预测、语音识别和路线规划，并通过讲述概率论在不同应用中的作用来详细介绍基础的概率知识以及概率论中的重要概念，包括马尔可夫链、大数定律、中心极限定理、假设检验、方差预测等。
作者简介
作者Jean Walrand，在美国加州大学伯克利分校取得EECS博士学位，自1982年以来一直在该校任教，研究兴趣包括随机过程、排队论、通信网络、博弈论和互联网的经济性。Walrand教授是比利时－美国教育基金会和IEEE的研究员，曾经荣获兰彻斯特奖、莱斯论文奖、IEEE小林宏治奖和ACM测量与评估专业卓越成就奖。
章节目录
版权信息
版权声明
译者序
前言
第1章 PageRank—A
1.1 模型
1.2 马尔可夫链
1.3 分析
1.4 击中时间
1.5 小结
1.6 参考资料
1.7 练习
第2章 PageRank—B
2.1 样本空间
2.2 投掷硬币的大数定律
2.3 独立同分布随机变量的大数定律
2.4 马尔可夫链的大数定律
2.5 期望的收敛
2.6 大定理的证明
2.7 小结
2.8 参考资料
2.9 练习
第3章 多路复用—A
3.1 链路共享
3.2 高斯随机变量与中心极限定理
3.3 多路复用与高斯分布
3.4 置信区间
3.5 缓冲器
3.6 多址访问
3.7 小结
3.8 参考资料
3.9 练习
第4章 多路复用—B
4.1 特征方程
4.2 中心极限定理的证明（概要）
4.3 N(0,1)的高阶矩
4.4 两个独立同分布于N(0,1)的随机变量平方和
4.5 特征函数的两个应用
4.6 误差函数
4.7 自适应多址访问
4.8 小结
4.9 参考资料
4.10 练习
第5章 数字链路—A
5.1 检测与贝叶斯准则
5.2 霍夫曼编码
5.3 高斯信道
5.4 多维高斯信道
5.5 假设检验
5.6 小结
5.7 参考资料
5.8 练习
第6章 数字链路—B
6.1 霍夫曼编码最优性的证明
6.2 低密度奇偶校验码（LDPC 码）
6.3 联合高斯分布随机变量
6.4 联合高斯分布随机变量的密度函数
6.5 奈曼-皮尔逊定理5.6的证明
6.6 小结
6.7 参考资料
6.8 练习
第7章 追踪定位—A
7.1 估计问题
7.2 线性最小平方估计（LLSE）
7.3 线性回归
7.4 最小均方估计（MMSE）
7.5 随机向量的情况
7.6 卡尔曼滤波器
7.7 小结
7.8 参考资料
7.9 练习
第8章 追踪定位—B
8.1 LLSE 的更新
8.2 卡尔曼滤波器的推导
8.3 卡尔曼滤波器的特性
8.4 扩展卡尔曼滤波器
8.5 小结
8.6 参考资料
第9章 语音识别—A
9.1 学习：概念和示例
9.2 隐马尔可夫链
9.3 期望最大化和聚类
9.4 学习：隐马尔可夫链
9.5 小结
9.6 参考资料
9.7 练习
第10章 语音识别—B
10.1 在线线性回归
10.2 随机梯度投影理论
10.3 大数据
10.4 小结
10.5 参考资料
10.6 练习
第11章 路线规划—A
11.1 系统建模
11.2 方法1：提前规划
11.3 方法2：适应性算法
11.4 马尔可夫决策问题
11.5 无限时域问题
11.6 小结
11.7 参考资料
11.8 练习
第12章 路线规划—B
12.1 线性二次型高斯问题
12.2 有噪声观测时的线性二次型高斯问题
12.3 部分可观测的马尔可夫决策问题
12.4 小结
12.5 参考资料
12.6 练习
第13章 视野拓展和补充
13.1 推断问题
13.2 充分统计量
13.3 无限马尔可夫链
13.4 泊松过程
13.5 连续时间马尔可夫链
13.6 二元对称信道的容量
13.7 概率界
13.8 鞅
13.9 小结
13.10 参考资料
13.11 练习
附录A 概率论基础知识
A.1 总体框架
A.2 离散型随机变量
A.3 一般的随机变量
A.4 多个随机变量
A.5 随机向量
A.6 随机变量的函数的概率密度
A.7 参考资料
A.8 练习题
附录B 线性代数基本知识
B.1 矩阵符号
B.2 矩阵运算
B.3 行列式
B.4 逆矩阵
B.5 特征值
B.6 表示方式
B.7 参考资料
B.8 练习
附录C Matlab
C.1 矩阵
C.2 随机变量
C.3 马尔可夫链
C.4 置信区间
C.5 数字链路
C.6 LDPC 码
C.7 卡尔曼滤波器
C.8 聚类
C.9 马尔可夫决策过程
C.10 压缩感知
C.11 参考资料
参考文献
看完了
EECS应用概率论是2015年由人民邮电出版社·图灵出品出版,作者[美]Jean Walrand。
得书感谢您对《EECS应用概率论》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
