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

機器學習(工業大數據分析高等學校工業工程類教指委規劃教材)

  • 作者：編者:李彥夫//張晨|責編:馮昕//趙從棉
  • 出版社：清華大學
  • ISBN：9787302608226
  • 出版日期：2023/10/01
  • 裝幀：平裝
  • 頁數：251
人民幣：RMB 55 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    當前我國工業已進入高質量發展階段，對於熟練運用機器學習方法開展工業大數據分析的人才需求旺盛。機械、電子、電氣等工程類以及管理類專業的學生普遍缺乏這方面的訓練，而電腦類教材往往不針對工業門類的實際系統聚焦。本書的編撰旨在解決上述矛盾。
    本書分為兩大部分：前半部分介紹基礎知識、經典機器學習以及深度學習和強化學習方法；後半部分介紹數據處理相關知識以及十余個工業應用案例。本書還附帶了案例源代碼。通過對本書的學習，希望讀者從原理、方法到應用融會貫通，全方位地理解並掌握機器學習這一工業大數據分析的重要方法。
    本書可作為機械工程、工業工程、電子工程、電氣工程等工科專業及管理學專業高年級本科生或研究生相關課程的教材，也可作為科研院所、企業技術人員的參考書。
作者介紹
編者:李彥夫//張晨|責編:馮昕//趙從棉
目錄
第1章  數學基礎
  1.1  線性代數
    1.1.1  標量、向量、矩陣和張量
    1.1.2  線性相關和生成子空間
    1.1.3  矩陣的特徵分解
    1.1.4  矩陣的奇異值分解
    1.1.5  范數
  1.2  概率論和資訊理論簡介
    1.2.1  概率論
    1.2.2  資訊理論
  1.3  優化演算法
    1.3.1  梯度
    1.3.2  梯度下降
    1.3.3  約束優化
  1.4  信號分析基礎
    1.4.1  信號分析的相關概念
    1.4.2  信號的分解
    1.4.3  傅里葉變換
    1.4.4  小波變換
  習題
第2章  經典機器學習
  2.1  監督學習
    2.1.1  線性回歸模型
    2.1.2  邏輯回歸演算法
    2.1.3  κ近鄰法
    2.1.4  樸素貝葉斯法
    2.1.5  支持向量機
    2.1.6  決策樹
  2.2  無監督學習
    2.2.1  降維
    2.2.2  聚類
  習題
第3章  深度學習
  3.1  人工神經網路
    3.1.1  神經元基礎
    3.1.2  激活函數類型
    3.1.3  神經網路基礎
    3.1.4  神經網路權值更新
    3.1.5  其他梯度下降法
    3.1.6  案例：神經網路識別數字
  3.2  卷積神經網路
    3.2.1  卷積操作
    3.2.2  卷積層相關概念
    3.2.3  池化操作
    3.2.4  平鋪及全連接操作
    3.2.5  卷積神經網路反向傳播公式
    3.2.6  案例：卷積神經網路識別數字
  3.3  循環神經網路
    3.3.1  循環神經網路基礎
    3.3.2  循環神經網路傳播公式

    3.3.3  LSTM網路
    3.3.4  門控循環單元和雙向LSTM
    3.3.5  深度循環神經網路
    3.3.6  案例：循環神經網路文本預測
  3.4  生成對抗神經網路
    3.4.1  對抗神經網路基礎
    3.4.2  對抗神經網路實際操作
    3.4.3  生成對抗神經網路變體
    3.4.4  案例：對抗神經網路生成樣本
  3.5  神經網路前沿延伸閱讀
  習題
第4章  強化學習
  4.1  任務與獎勵
  4.2  馬爾可夫決策過程
  4.3  最優策略
  4.4  免模型學習
    4.4.1  預備知識：蒙特卡羅方法
    4.4.2  基於價值的方法
    4.4.3  基於策略的方法
  4.5  蒙特卡羅樹搜索
    4.5.1  背景
    4.5.2  啟髮式搜索
    4.5.3  預演演算法
    4.5.4  MCTS演算法
    4.5.5  MCTS示例
  4.6  深度強化學習
    4.6.1  深度Q網路
    4.6.2  近端策略優化
    4.6.3  延伸閱讀：AlphaGo
    4.6.4  案例：基於深度Q網路的智能小車平衡
  習題
第5章  數據處理相關知識
  5.1  工業大數據
    5.1.1  工業大數據背景
    5.1.2  工業大數據平台
    5.1.3  工業大數據分析建模方法體系
    5.1.4  工業大數據平台架構
    5.1.5  工業大數據分析建模計算框架
  5.2  數據處理
    5.2.1  數據清洗
    5.2.2  數據變換
    5.2.3  數據降維
    5.2.4  非平衡數據集的處理
  5.3  環境配置及代碼編程
    5.3.1  Anaconcla平台介紹及環境配置
    5.3.2  Keras搭建神經網路序貫模型
第6章  生產系統相關案例
  6.1  旋轉機械關鍵部件故障診斷
    6.1.1  背景介紹
    6.1.2  案例研究

    6.1.3  數據預處理
    6.1.4  齒輪箱振動信號特徵參數提取
    6.1.5  SVM故障分類模型構建
    6.1.6  結果分析
    6.1.7  總結
  6.2  刀具磨損狀態評估
    6.2.1  背景介紹
    6.2.2  案例研究
    6.2.3  磨損狀態評估模型構建
    6.2.4  評價指標構建
    6.2.5  結果分析
    6.2.6  總結
第7章  能源、電信系統相關案例
  7.1  風力發電機葉片開裂故障診斷
    7.1.1  背景介紹
    7.1.2  問題描述
    7.1.3  數據預處理
    7.1.4  評價指標
    7.1.5  故障診斷方法
    7.1.6  結果分析
    7.1.7  總結
  7.2  基於深度強化學習的核電站維修決策
    7.2.1  背景介紹
    7.2.2  問題描述
    7.2.3  模擬環境搭建
    7.2.4  評價指標
    7.2.5  PPO演算法
    7.2.6  結果分析
    』7.2.7  總結
  7.35  G通信數據下行傳輸速率預測
    7.3.1  問題背景
    7.3.2  數據介紹
    7.3.3  數據預處理
    7.3.4  模型構建
    7.3.5  結果分析
    7.3.6  總結
第8章  交通系統相關案例
  8.1  高速列車車輪健康狀態監測
    8.1.1  背景介紹
    8.1.2  數據預處理
    8.1.3  監測方法
    8.1.4  結果分析
    8.1.5  總結
  8.2  航天裝備的結構振動預測
    8.2.1  背景介紹
    8.2.2  問題描述
    8.2.3  數據預處理
    8.2.4  評價指標
    8.2.5  振動預測方法
    8.2.6  結果分析

    8.2.7  總結
  8.3  城市公共交通系統的客流預測
    8.3.1  背景介紹
    8.3.2  數據描述
    8.3.3  數據預處理
    8.3.4  評價指標
    8.3.5  模型構建
    8.3.6  結果分析
    8.3.7  總結
第9章  醫療系統相關案例
  9.1  糖尿病患者的血糖預測
    9.1.1  背景介紹
    9.1.2  問題描述
    9.1.3  數據預處理
    9.1.4  評價指標
    9.1.5  血糖預測方法
    9.1.6  結果分析
    9.1.7  總結
  9.2  國內各省份新冠疫情聚類分析
    9.2.1  背景介紹
    9.2.2  問題描述
    9.2.3  數據預處理
    9.2.4  評價指標
    9.2.5  多階段分級聚類框架
    9.2.6  結果分析
    9.2.7  總結
  9.3  某種蛋白質電泳圖像的分類
    9.3.1  背景介紹
    9.3.2  問題描述
    9.3.3  數據預處理
    9.3.4  評價指標
    9.3.5  模型構建
    9.3.6  結果分析
    9.3.7  總結
附錄  數學符號列表
參考文獻

  • 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