在经济学中，绝大多数的非合作博弈理论集中研究博弈中的均衡问题，尤其是纳什均衡及其精炼。对均衡什么时候出现以及为什么均衡会出现，传统解释是，均衡是在博弈的规则、参与人的理性以及参与人的支付函数都是共同知识的情况下，由参与人的分析和自省所得出的结果。不论是在概念上还是在实证上，这个理论都存在许多问题。 　　在《博弈学习理论》一书中，朱·弗登伯格和戴维·K·莱文提出了另一种解释：均衡是并非完全理性的参与人随时间的推移寻求最优化这一过程的长期结果。他们研究的模型为均衡理论提供了基础，并为经济学家评价和改进传统的均衡概念提供了有用的方法。

在经济学中，绝大多数的非合作博弈理论集中研究博弈中的均衡问题，尤其是纳什均衡及其精炼。对均衡什么时候出现以及为什么均衡会出现，传统解释是，均衡是在博弈的规则、参与人的理性以及参与人的支付函数都是共同知识的情况下，由参与人的分析和自省所得出的结果。不论是在概念上还是在实证上，这个理论都存在许多问题。 　　在《博弈学习理论》一书中，朱·弗登伯格和戴维·K·莱文提出了另一种解释：均衡是并非完全理性的参与人随时间的推移寻求最优化这一过程的长期结果。他们研究的模型为均衡理论提供了基础，并为经济学家评价和改进传统的均衡概念提供了有用的方法。

本书是任何从事学习理论和博弈理论研究或在应用研究中使用演进博弈理论的人的必读书籍。不同于非合作博弈理论中传统的均衡概念所认为的均衡是在博弈的规则和参与人的收益函数都共知的情况下，由理性参与人的分析和自省产生的结果，《博弈学习理论》则认为均衡是并非完全理性的参与人随着时间的推移寻求优化这一过程的长期结果。

《学习理论:教育的视角(第3版)》内容简介：学习领域永远词汇着活力和挑战。这本教科书是1996年出版的《学习理论》的修订本。同第二版相比，新增了若干内容。除主要介绍学习的概念，原理和研究成果，以及这些概念，原理在真实的教学情境中实际应用的例子外，还用一整章的篇幅讨论了发展问题，并丰富了技术在教育教学中应用的部分。这些变化都反映了理论的演变和研究重点的转移。这本教科书第一章中的三个学习实例贯穿了以后的几章节，提供了学生对学习理解的整体观点，还介绍了许多同学习有关的话题，这些知识旨在帮助学生更好地理解学习的过程。此外，学生还将获得有关学习过程发展更多信息的最新资源。

统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是《统计学习理论的本质》。 由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。

机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著 系统梳理机器学习理论中的七大重要概念或理论工具，并给出若干分析实例 机器学习理论内容浩瀚广博，旨在为机器学习理论研究的读者提供入门导引 本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后，全书各章分别聚焦于：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。

统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是《统计学习理论的本质》。 由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。

机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著 系统梳理机器学习理论中的七大重要概念或理论工具，并给出若干分析实例 机器学习理论内容浩瀚广博，旨在为机器学习理论研究的读者提供入门导引 本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后，全书各章分别聚焦于：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。