Machine Learning for Signal Processing

"Denna bok om Maskininlärning för signalbehandling beskriver i detalj den grundläggande matematiken och algoritmerna för maskininlärning (ett exempel på artificiell intelligens) och signalbehandling, två av de viktigaste och mest spännande teknologierna inom den moderna informationsekonomin. Genom en gradvis tillvägagångssätt bygger den upp begreppen på ett solitt sätt steg för steg så att idéer och algoritmer kan implementeras i praktiska programvaruapplikationer. Digital signalbehandling (DSP) är en av de 'grundläggande' ingenjörsämnena i den moderna världen, utan vilken teknologier som mobiltelefoner, television, CD- och MP3-spelare, WiFi samt radar inte skulle vara möjliga. I jämförelse är statistisk maskininlärning en relativ nykomling som utgör det teoretiska ryggraden för spännande teknologier såsom automatiska system för registreringsskyltsigenkänning, taligenkänning, prediktion av aktiemarknaden, defektdetektion vid monteringslinjer, robotstyrning samt autonom bilnavigering. Statistisk maskininlärning utnyttjar analogin mellan intelligent informationshantering i biologiska hjärnor och sofistikerad statistisk modellering och slutsatser. DSP och statistisk maskininlärning är så pass betydelsefulla för kunskapsekonomin att båda har genomgått snabba förändringar och sett radikala förbättringar vad gäller räckvidd och användbarhet. Både använder sig av centrala ämnen inom tillämpad matematik såsom sannolikhetslära/statistik, algebra, kalkyl/analys samt grafer/nätverk.