1、封面介绍

book.jpg

2、出版时间

2020年5月

3、推荐理由

本书提供了对随机向量、随机矩阵、随机子空间和用于量化高维中不确定性的对象的深入了解。它从概率、分析和几何中汲取灵感,并成功地应用于数学、统计学、理论计算机科学、信号处理、优化等领域。

这是一本整合理论、关键工具,以及现代高维概率应用的教材。集中不等式是本书的核心内容,它涵盖了霍夫丁不等式和切尔诺夫不等式等经典结果以及矩阵伯恩斯坦不等式等新发展的理论。本书还介绍了基于随机过程的强大方法,包括斯莱皮恩不等式、苏达科夫不等式、达德利不等式,以及基于VC维数的通用链和界。书中配有大量插图,涉及协方差估计、聚类、网络、半定规划、编码、降维、矩阵补全、机器学习、压缩感知和稀疏回归等内容的经典和现代结果。书的后面给出了许多练习题的提示。

本书全面介绍高维概率的理论、关键工具和现代应用,涵盖Hoeffding不等式和Chernoff不等式等经典结果以及Matrix Bernstein不等式等现代发展,还介绍了基于随机过程的强大方法,包括Slepian、Sudakov和Dudley不等式等工具,以及基于VC维数的通用链和界。全书使用了大量插图,包括协方差估计、聚类、网络、半定规划、编码、降维、矩阵补全、机器学习、压缩感知以及稀疏回归的经典和现代结果。

4、下载链接

由于版权的原因,不再对外公开,仅限内部学习和交流使用。