幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據驅動的科學和工程(機器學習動力系統與控制詳解)/國外工業控制與智能製造叢書

  • 作者：(美)史蒂文·L.布倫頓//J.內森·庫茨|責編:王春華//劉鋒|譯者:王占山//施展//劉瑩瑩
  • 出版社：機械工業
  • ISBN：9787111688617
  • 出版日期：2021/08/01
  • 裝幀：平裝
  • 頁數：398
人民幣：RMB 149 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    數據驅動的研究給複雜系統的建模、預測和控制帶來了技術革新。本書基於數據驅動發現，將動力系統的建模、控制、優化和數據方法結合起來構築知識架構，梳理了機器學習、動力系統和控制之間的內在關係，初步探索了一種數據驅動發現的智能理論和方法。本書的主題涉及應用優化、降維、機器學習、動力學與控制以及降階方法。
    本書從多維度反映了交叉學科研究的特點，寫作深入淺出，圖文並茂，並提供一些輔助程序，適合工科和理科相關專業（包括自動化、電腦科學、機械工程、電氣工程等專業）的高年級本科生和低年級研究生閱讀。
作者介紹
(美)史蒂文·L.布倫頓//J.內森·庫茨|責編:王春華//劉鋒|譯者:王占山//施展//劉瑩瑩
目錄
譯者序
前言
常見的優化方法、方程、符號和縮略語
第一部分  降維和變換
  第1章  奇異值分解
    1.1  概述
    1.2  矩陣近似
    1.3  數學性質和操作方法
    1.4  偽逆、最小二乘和回歸
    1.5  主成分分析
    1.6  特徵臉示例
    1.7  截斷和對齊
    1.8  隨機奇異值分解
    1.9  張量分解和N路數據數組
  第2章  傅里葉變換與小波變換
    2.1  傅里葉級數和傅里葉變換
    2.2  離散傅里葉變換和快速傅里葉變換
    2.3  偏微分方程的變換
    2.4  Gabor變換和頻譜圖
    2.5  小波和多解析度分析
    2.6  二維變換和圖像處理
  第3章  稀疏性和壓縮感知
    3.1  稀疏性和壓縮
    3.2  壓縮感知
    3.3  壓縮感知示例
    3.4  壓縮幾何
    3.5  稀疏回歸
    3.6  稀疏表示
    3.7  魯棒主成分分析
    3.8  稀疏感測器布置
第二部分  機器學習和數據分析
  第4章  回歸和模型選擇
    4.1  經典曲線擬合
    4.2  非線性回歸與梯度下降
    4.3  回歸與方程組Ax=b：超定和欠定系統
    4.4  優化是回歸的基石
    4.5  帕累托邊界和簡約原則
    4.6  模型選擇：交叉驗證
    4.7  模型選擇：信息準則
  第5章  聚類和分類
    5.1  特徵選擇和數據挖掘
    5.2  監督學習和無監督學習
    5.3  無監督學習：k均值聚類
    5.4  無監督層次聚類：樹狀圖
    5.5  混合模型和期望最大化演算法
    5.6  監督學習和線性判別
    5.7  支持向量機
    5.8  分類樹和隨機森林
    5.9  2008年數據挖掘十大演算法
  第6章  神經網路和深度學習

    6.1  神經網路：單層網路
    6.2  多層網路和激活函數
    6.3  反向傳播演算法
    6.4  隨機梯度下降演算法
    6.5  深度卷積神經網路
    6.6  神經網路動力系統
    6.7  神經網路多樣性
第三部分  動力學與控制
  第7章  數據驅動動力系統
    7.1  概述、動機和挑戰
    7.2  動態模態分解
    7.3  非線性動力學的稀疏辨識
    7.4  Koopman運算元理論
    7.5  數據驅動的Koopman分析
  第8章  線性控制理論
    8.1  閉環反饋控制
    8.2  線性時不變系統
    8.3  能控性與能觀性
    8.4  最優全狀態控制：線性二次型調節器
    8.5  最優全狀態估計：Kalman濾波器
    8.6  基於感測器的最優控制：線性二次型高斯
    8.7  案例研究：小車上的倒立擺
    8.8  魯棒控制和頻域技術
  第9章  平衡模型控制
    9.1  模型約簡與系統辨識
    9.2  平衡模型約簡
    9.3  系統辨識
  第10章  數據驅動控制
    10.1  非線性系統辨識的控制
    10.2  機器學習控制
    10.3  自適應極值搜索控制
第四部分  降階模型
  第11章  POD技術
    11.1  偏微分方程的POD
    11.2  最優基元：POD展開
    11.3  POD和孤立子動力學
    11.4  POD的連續公式
    11.5  對稱性的POD：旋轉和平移
  第12章  參數降階模型的插值
    12.1  缺失POD
    12.2  缺失POD的誤差和收斂性
    12.3  缺失測量：最小化條件數
    12.4  缺失測量：最大化方差
    12.5  POD和離散經驗插值方法
    12.6  DEIM演算法實現
    12.7  機器學習的ROM
術語
參考文獻
索引

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032