同類熱銷排行榜

深度學習--原理及遙感地學分析

作者：李連發|責編:陳靜
出版社：科學
ISBN：9787030700513

出版日期：2022/10/01
裝幀：平裝
頁數：404

人民幣：RMB 248 元售價：元

內容大鋼

    隨著衛星遙感、無人機、物聯網等技術的發展，地球時空大數據不斷累積，如何從地球大數據中高效挖掘知識、模式及規則，成為地球系統科學研究的難點及重點。常規統計及機器學習方法存在諸多局限，本書將深度學習納入地學系統科學問題框架，從地球及遙感科學的背景及視角系統闡述深度學習的基本原理，並提供了典型的應用實例。通過閱讀本書，期待讀者在面對影響因素繁雜的地學領域的過程演化、地表參數反演、地物對象識別等實際問題時，能夠化繁為簡，找到合適的原理及解決方法。
    全書共分三部分，即基礎篇、方法篇及遙感地學分析篇：基礎篇是機器學習及深度學習的基礎；方法篇則系統描述了深度學習的方法及特點；遙感地學分析篇概括了深度學習在遙感地學分析系統的建模架構與典型的應用。
    本書適合信息科學、數據科學、地學及遙感等相關專業的學生和研究人員閱讀與參考。

作者介紹

李連發|責編:陳靜

前言
基礎篇
  第1章  概率論
    1.1  概率的本質
    1.2  典型概率分佈
      1.2.1  伯努利分佈
      1.2.2  二項分佈
      1.2.3  貝塔分佈
      1.2.4  多項分佈
      1.2.5  狄利克雷分佈
      1.2.6  高斯分佈
      1.2.7  學生t分佈
      1.2.8  指數及拉普拉斯分佈
    1.3  隨機變數的數字特徵及信息測度
    1.4  指數族分佈函數
    1.5  混合分佈
    1.6  小結
    參考文獻
  第2章  線性代數
    2.1  基本數據類型
    2.2  基本運算
    2.3  求導運算
    2.4  特徵值提取及主成分分析
    2.5  奇異值分解
    2.6  小結
    參考文獻
  第3章  MCMC隨涵擬
    3.1  問題的提出
    3.2  蒙特卡羅方法
      3.2.1  方法基礎
      3.2.2  拒絕性抽樣
      3.2.3  重要性抽樣
    3.3  MCMC方法
    3.4  M-H採樣
    3.5  Gibbs採樣
    3.6  應用實例
      3.6.1  模擬Beta分佈的概率分佈
      3.6.2  採用Gibbs抽樣模擬二維正態分佈
      3.6.3  模擬退火求極值問題
    3.7  小結
    參考文獻
  第4章  變分優化法
    4.1  問題的提出
    4.2  泛函
    4.3  變分法
    4.4  EM演算法
    4.5  最大熵變分方法
    4.6  求后驗分佈的變分推斷
    4.7  小結
    參考文獻

  第5章  機器學習基礎
    5.1  學習目標
    5.2  評價標準
      5.2.1  基於概率的評價標準
      5.2.2  基於損失函數的評價標準
      5.2.3  基於資訊理論的評價標準
    5.3  監督學習方法
      5.3.1  單學習器
      5.3.2  集成學習器
  ……
方法篇
遙感地學分析篇
索引
彩圖

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

深度學習--原理及遙感地學分析