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

應用數據分析(原理與應用)/數據科學與工程技術叢書

  • 作者：(澳)約翰遜·I.阿比尼亞|責編:王春華|譯者:聶長海
  • 出版社：機械工業
  • ISBN：9787111690443
  • 出版日期：2021/09/01
  • 裝幀：平裝
  • 頁數：218
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    需要進行分析且在某些情況下需要實時處理的數據大量出現，例如醫學應用中的X射線圖像、網路安全數據、犯罪數據、電信和股票市場數據、健康記錄、商業分析數據等，這迫使人們探索處理超大量數據的快速演算法。包括R、RapidMiner和Weka在內的應用程序和平台為分析提供了基礎，但這些平台的使用者往往很少關注或根本不關注對數據結果有很大影響的底層數學和處理過程，導致無法解釋結果或糾正錯誤，甚至無法發現錯誤。
    本書試圖通過提供一些大數據分析中較受歡迎的技術來彌補這一差距。當使用廣泛可用的開源和商業化計算平台、語言和可視化系統進行大數據分析時，本書相當有用。與這些平台結合在一起，本書提供了處理大數據所需的一整套工具，可以快速實現和應用。
    本書對機器學習基礎、深度學習、人工智慧、統計和演化學習的綜合概念進行了充分的解釋，提供了相關的應用程序，適合本科生、研究生和大數據分析愛好者閱讀。
    本書可以緩解人們對數據分析相關數學知識的恐懼，並有助於開發人工智慧、環境感測器數據建模和分析、健康信息學、商業數據分析、物聯網數據及深度學習應用。
作者介紹
(澳)約翰遜·I.阿比尼亞|責編:王春華|譯者:聶長海
目錄
譯者序
前言
致謝
關於作者
貢獻者名單
縮略語
第1章  馬爾可夫鏈及其應用
  1.1  簡介
  1.2  定義
    1.2.1  狀態空間
    1.2.2  軌跡
  1.3  使用馬爾可夫鏈的預測
    1.3.1  初始狀態
    1.3.2  長期概率
  1.4  馬爾可夫鏈的應用
第2章  隱馬爾可夫建模
  2.1  隱馬爾可夫建模表示法
  2.2  釋放概率
  2.3  隱馬爾可夫模型
    2.3.1  建立HMM
    2.3.2  圖形形式的HMM
  2.4  HMM中的三大問題
    2.4.1  表示法
    2.4.2  問題1的解決方案：似然估計
  2.5  狀態轉移表
    2.5.1  輸入符號表
    2.5.2  輸出符號表
  2.6  問題3的解決方案：找到最佳HMM
  2.7  練習
第3章  卡爾曼濾波器入門
  3.1  簡介
  3.2  標量形式
  3.3  矩陣形式
    3.3.1  狀態變數的模型
    3.3.2  狀態的高斯表示
  3.4  狀態矩陣
    3.4.1  對象在單個方向上移動的狀態矩陣
    3.4.2  二維運動對象的狀態矩陣
    3.4.3  在三維空間中移動的對象
  3.5  帶有雜訊的卡爾曼濾波器模型
  參考文獻
第4章  卡爾曼濾波器II
  4.1  簡介
  4.2  卡爾曼濾波器中的處理步驟
    4.2.1  協方差矩陣
    4.2.2  協方差矩陣的計算方法
    4.2.3  卡爾曼濾波器中的迭代
第5章  遺傳演算法
  5.1  簡介
  5.2  遺傳演算法的步驟

  5.3  遺傳演算法的相關術語
  5.4  適應度函數
  5.5  選擇
    5.5.1  輪盤賭
    5.5.2  交叉
  5.6  最大化單個變數的函數
  5.7  連續遺傳演算法
    5.7.1  地形圖的最低海拔
    5.7.2  遺傳演算法在感測器溫度記錄中的應用
  參考文獻
第6章  計算圖的微積分
  6.1  簡介
  6.2  複合表達式
  6.3  計算偏導數
  6.4  積分計算
    6.4.1  梯形法則
    6.4.2  辛普森法則
  6.5  多徑複合導數
第7章  支持向量機
  7.1  簡介
  7.2  支持向量機的數學基礎
    7.2.1  超平面簡介
    7.2.2  平行超平面
    7.2.3  兩平行平面之間的距離
  7.3  支持向量機問題
    7.3.1  問題定義
    7.3.2  線性可分情況
  7.4  最佳超平面的定位（素數問題）
    7.4.1  確定邊界
    7.4.2  點xi與分離超平面的距離
    7.4.3  求解最佳超平面問題
  7.5  拉格朗日優化函數
    7.5.1  單約束優化
    7.5.2  多約束優化
    7.5.3  Karush-Kuhn-Tucker條件
  7.6  SVM優化問題
    7.6.1  原始SVM優化問題
    7.6.2  對偶優化問題
  7.7  線性SVM數據
    7.7.1  鬆弛變數
    7.7.2  使用核的非線性數據分類
  參考文獻
第8章  人工神經網路
  8.1  簡介
  8.2  神經元
第9章  神經網路訓練
  9.1  簡介
  9.2  神經網路架構
  9.3  反向傳播模型
  9.4  帶有計算圖的反向傳播示例

  9.5  反向傳播
  9.6  神經網路實用訓練
    9.6.1  前向傳播
    9.6.2  反向傳播
  9.7  權重方法的初始化
    9.7.1  Xavier初始化
    9.7.2  批處理標準化
  9.8  結論
  參考文獻
第10章  循環神經網路
  10.1  簡介
  10.2  實例
  10.3  原理
第11章  卷積神經網路
  11.1  簡介
  11.2  卷積矩陣
  11.3  卷積核
  11.4  卷積神經網路術語
    11.4.1  概念和超參數
    11.4.2  CNN處理階段
    11.4.3  池化層
    11.4.4  全連接層
  11.5  CNN設計原則
  11.6  結論
  參考文獻
第12章  主成分分析
  12.1  簡介
  12.2  定義
  12.3  主成分計算
    12.3.1  使用向量投影的PCA
    12.3.2  使用協方差矩陣進行PCA計算
    12.3.3  使用奇異值分解的PCA
    12.3.4  PCA的應用
  參考文獻
第13章  矩母函數
  13.1  隨機變數的矩
    13.1.1  隨機變數的中心矩
    13.1.2  矩特性
  13.2  一元矩母函數
  13.3  矩母函數的級數表示
    13.3.1  概率質量函數的性質
    13.3.2  概率分佈函數f（x）的性質
  13.4  離散隨機變數的矩母函數
    13.4.1  伯努利隨機變數
    13.4.2  二項隨機變數
    13.4.3  幾何隨機變數
    13.4.4  泊松隨機變數
  13.5  連續隨機變數的矩母函數
    13.5.1  指數分佈
    13.5.2  正態分佈

    13.5.3  伽馬分佈
  13.6  矩母函數的性質
  13.7  多元矩母函數
  13.8  矩母函數的應用
第14章  特徵函數
  14.1  簡介
  14.2  離散單隨機變數的特徵函數
    14.2.1  泊松隨機變數的特徵函數
    14.2.2  二項隨機變數的特徵函數
    14.2.3  連續隨機變數的特徵函數
第15章  概率生成函數
  15.1  簡介
  15.2  離散概率生成函數
    15.2.1  概率生成函數的性質
    15.2.2  伯努利隨機變數的概率生成函數
    15.2.3  二項隨機變數的概率生成函數
    15.2.4  泊松隨機變數的概率生成函數
    15.2.5  幾何隨機變數的概率生成函數
    15.2.6  負二項隨機變數的概率生成函數
  15.3  概率生成函數在數據分析中的應用
    15.3.1  離散事件應用
    15.3.2  傳染病建模
  參考文獻
第16章  基於人工神經網路的數字身份管理系統
  16.1  簡介
  16.2  數字身份度量
  16.3  身份解析
  16.4  生物識別系統架構
    16.4.1  指紋識別
    16.4.2  人臉識別
  16.5  信息融合
  16.6  人工神經網路
  16.7  多模式數字身份管理系統實現
    16.7.1  終端、指紋掃描儀和攝像頭
    16.7.2  指紋和人臉識別SDK
    16.7.3  資料庫
    16.7.4  驗證：連接到主機並選擇驗證
  16.8  結論
  參考文獻
第17章  物聯網數據分類的概率神經網路分類器
  17.1  簡介
  17.2  概率神經網路
  17.3  廣義回歸神經網路
  17.4  向量量化GRNN
  17.5  試驗工作
  17.6  結論與未來工作
  參考文獻
第18章  分層概率有限狀態機的MML學習與推斷
  18.1  簡介
  18.2  有限狀態機和PFSM

    18.2.1  有限狀態機的數學定義
    18.2.2  狀態圖中的FSM表示
  18.3  PFSM的MML編碼和推斷
    18.3.1  建模PFSM
    18.3.2  使用MML推斷PFSM
  18.4  分層概率有限狀態機
    18.4.1  定義HPFSM
    18.4.2  HPFSM假設H的MML斷言代碼
    18.4.3  HPFSM轉移的編碼
  18.5  試驗
    18.5.1  人工數據集試驗
    18.5.2  ADL數據集試驗
  18.6  小結
  參考文獻
練習解答

  • 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