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

MATLAB人工智慧演算法實戰/大數據與人工智慧技術叢書

  • 作者：編者:丁偉雄|責編:黃芝//薛陽
  • 出版社：清華大學
  • ISBN：9787302653561
  • 出版日期：2024/02/01
  • 裝幀：平裝
  • 頁數：290
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以MATLAB R2021為平台，以實際應用為背景，通過敘述+函數+經典應用相結合的形式，深入淺出地介紹了MATLAB在人工智慧中的經典應用相關知識。全書共11章，主要內容包括MATLAB環境與操作、數據分析實戰、科學計算實戰、數據建模實戰、統計性數據分析實戰、機器學習演算法實戰、深度學習演算法實戰、控制系統分析與設計實戰、神經網路信息處理實戰、最優化方法實戰、智能演算法分析與實現實戰。通過本書的學習，讀者在領略到MATLAB簡捷的同時將感受到利用MATLAB實現智能數據應用的領域廣泛，功能強大。
    本書可作為高等學校相關專業本科生和研究生的教學用書，也可作為相關領域科研人員、學者、工程技術人員的參考用書。
作者介紹
編者:丁偉雄|責編:黃芝//薛陽
目錄
第1章  MATLAB環境與操作
  1.1  MATLAB概述
    1.1.1  MATLAB啟動與退出
    1.1.2  MATLAB幫助系統
  1.2  數據類型
    1.2.1  常量與變數
    1.2.2  數值類型
    1.2.3  字元串
    1.2.4  矩陣的數組
  1.3  控制語句
    1.3.1  循環結構
    1.3.2  選擇結構
    1.3.3  程序流程式控制制
  1.4  繪圖
第2章  數據分析實戰
  2.1  數據的預處理
  2.2  數據匯總
  2.3  數據建模
    2.3.1  多項式回歸
    2.3.2  一般線性回歸
  2.4  數據插值
    2.4.1  網格和散點數據
    2.4.2  創建網格數據
    2.4.3  基於網格的插值
    2.4.4  interp系列函數的插值
    2.4.5  griddedInterpolant類插值
    2.4.6  內插散點數據
第3章  科學計算實戰
  3.1  數值積分和微分方程
    3.1.1  數值積分和微分方程概述
    3.1.2  數值微積分的應用
  3.2  常微分方程
    3.2.1  ODE求解器
    3.2.2  邊界值問題
    3.2.3  時滯微分方程
    3.2.4  偏微分方程
  3.3  傅里葉變換與濾波
    3.3.1  傅里葉變換
    3.3.2  二維傅里葉變換
    3.3.3  濾波數據
第4章  數據建模實戰
  4.1  數據降維
    4.1.1  PCA概述
    4.1.2  PCA的降維應用
  4.2  一元回歸
    4.2.1  一元線性回歸
    4.2.2  一元非線性回歸
  4.3  多元線性回歸
    4.3.1  多元線性回歸概述
    4.3.2  多元線性回歸的應用

  4.4  逐步回歸
    4.4.1  逐步回歸的概念
    4.4.2  逐步型選元法
    4.4.3  逐步回歸的應用
  4.5  Logistic回歸
    4.5.1  Logistic回歸概述
    4.5.2  Logistic回歸的應用
第5章  統計性數據分析實戰
  5.1  統計量和統計圖
    5.1.1  描述性統計量
    5.1.2  常用的統計量函數
    5.1.3  統計可視化
  5.2  概率分佈
    5.2.1  離散概率分佈
    5.2.2  連續分佈
  5.3  假設檢驗
    5.3.1  K-S檢驗
    5.3.2  t檢驗
    5.3.3  雙樣本t檢驗
  5.4  方差分析
    5.4.1  方差的基本原理
    5.4.2  單因素方差分析
    5.4.3  雙因素方差分析
    5.4.4  多因素方差分析
第6章  機器學習演算法實戰
  6.1  機器學習概述
    6.1.1  機器學習的分類
    6.1.2  機器學習步驟
    6.1.3  分類方法
  6.2  K最近鄰分類
    6.2.1  K最近鄰概述
    6.2.2  KNN分類的應用
  6.3  判別分析
    6.3.1  判別分析的基本原理
    6.3.2  判別函數
    6.3.3  判別方法
    6.3.4  判別分析的應用
  6.4  貝葉斯分類
    6.4.1  貝葉斯演算法
    6.4.2  樸素貝葉斯演算法的原理
    6.4.3  樸素貝葉斯演算法的優缺點
    6.4.4  樸素貝葉斯的應用
  6.5  支持向量機
    6.5.1  支持向量機概述
    6.5.2  使用支持向量機
    6.5.3  支持向量機的應用
第7章  深度學習演算法實戰
  7.1  遷移學習
    7.1.1  遷移學習概述
    7.1.2  遷移學習的應用

  7.2  圖像的深度學習
  7.3  時間序列在深度學習中的應用
    7.3.1  時間序列概述
    7.3.2  LSTM網路
    7.3.3  序列分類的應用
  7.4  深度學習進行時序預測
  7.5  AlexNet卷積網路
    7.5.1  ReLU激活函數
    7.5.2  層疊池化
    7.5.3  局部相應歸一化
    7.5.4  AlexNet結構
    7.5.5  AlexNet生成Deep Dream圖像
  7.6  堆疊自編碼器
    7.6.1  自編碼網路的結構
    7.6.2  自編碼器進行圖像分類
第8章  控制系統分析與設計實戰
  8.1  自動控制概述
    8.1.1  控制模擬概述
    8.1.2  電腦模擬的步驟
  8.2  控制系統的數學建模
  8.3  判定系統穩定性
    8.3.1  直接判定
    8.3.2  圖形化判定
  8.4  時域分析
    8.4.1  動態性能指標
    8.4.2  穩定性指標
    8.4.3  時域響應的典型函數應用
  8.5  根軌跡
    8.5.1  根軌跡圖
    8.5.2  根軌跡法分析
  8.6  頻域分析
    8.6.1  頻率特性
    8.6.2  頻域分析的應用
  8.7  控制系統綜合應用
第9章  神經網路信息處理實戰
  9.1  神經網路概述
    9.1.1  神經元結構
    9.1.2  人工神經元模型
    9.1.3  人工神經網路的特點
  9.2  感知器
    9.2.1  單層感知器
    9.2.2  多層感知器
    9.2.3  感知器在分類中的應用
  9.3  徑向基函數網路
    9.3.1  RBF神經元模型
    9.3.2  徑向基的逼近
    9.3.3  廣義回歸神經網路
  9.4  BP神經網路
  9.5  學習向量量化
    9.5.1  LVQ網路結構

    9.5.2  LVQ學習演算法
    9.5.3  LVQ網路的應用
  9.6  自組織特徵映射網路
    9.6.1  SOM網路拓撲結構
    9.6.2  自組織映射在鳶尾花聚類中的應用
第10章  最優化方法實戰
  10.1  最優化概述
    10.1.1  最優化問題
    1O.1.2  最優化演算法
  10.2  線性規劃
    10.2.1  線性規劃的模型
    10.2.2  線性規劃標準型
    10.2.3  線性規劃的應用
  10.3  非線性規劃
    10.3.1  非線性規劃的數學模型
    10.3.2  一維非線性最優實現
    10.3.3  多維非線性最優實現
  10.4  整數規劃
    10.4.1  整數規劃的分類
    10.4.2  求解法分類的應用
  10.5  二次規劃
    10.5.1  二次規劃的模型
    10.5.2  二次規劃的實現
  10.6  多目標規劃
    10.6.1  多目標規劃的數學模型
    10.6.2  多目標規劃的實現
  10.7  最大最小規劃
    10.7.1  最大最小規劃模型
    10.7.2  最大最小規劃的實現
  10.8  動態規劃
    10.8.1  動態規劃的基本思想
    10.8.2  動態規劃的線路圖
    10.8.3  動態規劃的實現
  1O.9  圖與網路優化
    10.9.1  圖的基本概念
    10.9.2  最短路徑問題
第11章  智能演算法分析與實現實戰
  11.1  遺傳演算法
    11.1.1  遺傳演算法的特點
    11.1.2  遺傳演算法的術語
    11.1.3  遺傳演算法的運算過程
    11.1.4  遺傳演算法的實現
  11.2  模擬退火演算法
    11.2.1  模擬退火的組成
    11.2.2  模擬退火的思想
    11.2.3  模擬退火的尋優步驟
    11.2.4  模擬退火的實現
    11.2.5  模擬退火的實際應用
  11.3  粒子群演算法
    11.3.1  粒子群演算法概述

    11.3.2  粒子群演算法的特點
    11.3.3  粒子群的演算法及實現
  11.4  免疫演算法
    11.4.1  免疫演算法的原理
    11.4.2  免疫演算法步驟和流程
    11.4.3  免疫演算法的實現
  11.5  蟻群演算法
    11.5.1  蟻群的基本演算法
    11.5.2  蟻群演算法的實現
  11.6  小波分析
    11.6.1  傅里葉變換
    11.6.2  小波分析概述
    11.6.3  小波變換的實現
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