新書推薦：
《
早期干预丹佛模式辅导与培训家长用书
》
售價：NT$
539.0
《
萨满文化研究丛书——通古斯人的心智丛（全三册）
》
售價：NT$
1639.0
《
帝国潜流：清代前期的天主教、底层秩序与生活世界
》
售價：NT$
490.0
《
鲨鱼大图鉴：世界现生536种鲨鱼完全解读
》
售價：NT$
2189.0
《
世界美食丛书：面包+咖啡（2册）
》
售價：NT$
1000.0
《
化学工程发展战略：高端化、绿色化、智能化
》
售價：NT$
2540.0
《
新冠病毒感染临床实践指导 预防、控制、诊断、治疗及康复
》
售價：NT$
230.0
《
2020年版《中国药典》中药标准物质分析图谱
》
售價：NT$
1474.0
|
| 內容簡介： |
|
《感知数据分析与应用》介绍了感知数据分析与计算的关键技术方法和典型案例，具体内容主要包括静态数据(概率统计、误差)和动态数据(随机过程、信号)，以及机器学习和深度学习。其中，静态和动态数据分析与计算从统计的角度揭示隐藏在数据中的规律，对收集到的数据进行处理与分析，提取有价值的信息，得到特征统计结果。机器学习以数据或已有经验为基础，从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，挖掘隐藏在数据中的信息。深度学习将归纳偏差建立成神经网络的层次化表示，找到高维数据(如信号和图像)的低维表示(特征)。在分析复杂问题方面，提供了静态和动态、信号和图像等方面的工程问题和算法思路；在基础问题方面，提供参考程序代码，参见https://gitee.com/aapdata/algorithm.git。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 测量与计量 21.2 智能感知与计算 31.2.1 传感器的基本原理 41.2.2 智能感知系统 41.2.3 物联网与信息物理融合 51.3 传感器的性能指标 61.3.1 静态特性 61.3.2 动态特性的时域分析 81.3.3 动态特性的频域分析 111.3.4 FBG温度传感器的静态特性 131.4 本书主要工作 15参考文献 16第2章 静态数据与误差分析 182.1 概率 182.1.1 事件概率 192.1.2 随机变量及概率分布 212.1.3 随机变量的数字特征 232.1.4 信息熵 262.2 统计推断 282.2.1 样本与抽样分布 292.2.2 统计估计 312.2.3 假设检验 362.3 线性模型 392.3.1 *小二乘法拟合 392.3.2 相关分析 412.3.3 方差分析 412.3.4 CFRP-FBG加固混凝土结构的抗裂性能 432.4 测量误差 452.4.1 粗大误差 462.4.2 系统误差 472.4.3 压力约束混凝土结构的热应变响应 512.5 测量不确定度评估 532.5.1 标准测量不确定度的A类评估方法 552.5.2 标准测量不确定度的B类评估方法 592.5.3 合成不确定度评估 612.5.4 扩展不确定度评估 642.5.5 直流电子式电流互感器校验仪测试 64参考文献 67第3章 动态数据与信号处理 703.1 随机过程 703.1.1 随机过程的分布 713.1.2 随机过程的数字特征 713.1.3 Markov过程 723.1.4 平稳随机过程 753.1.5 GPR信号混叠的双排钢筋识别与定位 813.2 时间序列分析 833.2.1 平稳时间序列分析 833.2.2 自回归模型拟合 853.2.3 AR(p)序列预测 883.3 谱估计 883.3.1 **谱估计 903.3.2 参数建模 913.4 时频分析 923.4.1 短时Fourier变换 943.4.2 小波分析 953.4.3 小波包 1003.4.4 提升小波 1033.4.5 Wigner-Ville分布 1053.4.6 经验模式分解 1093.4.7 Hilbert谱分析 1133.4.8 GPR信号振幅与相位特征的破碎带识别 1163.4.9 基于STFT的 -OTDR多频分解相干衰落抑制算法 120参考文献 121第4章 统计机器学习 1234.1 统计机器学习的基本概念 1244.1.1 模型假设空间 1254.1.2 模型选择准则 1264.1.3 模型学习算法 1294.1.4 模型评价 1344.2 监督学习 1404.2.1 感知器 1414.2.2 k近邻法 1424.2.3 logistic回归 1424.2.4 Bayes分类器 1434.2.5 EM算法 1474.2.6 支持向量机 1484.3 无监督学习 1584.3.1 聚类 1584.3.2 主成分分析 1684.3.3 核主成分分析 1704.3.4 融合TSP和GPR探测信号的裂隙水识别 1714.4 半监督学习 1754.4.1 Gaussian混合模型生成 1764.4.2 转换支持向量机 177参考文献 178第5章 深度学习 1805.1 神经网络 1805.2 深度学习的基本结构 1825.2.1 卷积神经网络 1845.2.2 循环神经网络 1885.2.3 长短期记忆神经网络 1935.2.4 自编码器 1955.2.5 基于多双*特性注意力机制的Faster R-CNN的钢筋识别 1975.3 深度学习中的常用策略 2005.3.1 生成对抗学习 2005.3.2 迁移学习 2025.3.3 元学习 2075.3.4 终身机器学习 2095.3.5 基于VAE-GAN抑制钢筋产生的GPR多次反射干扰信号 2105.3.6 基于图像迁移模型的雷达数据中隧道衬砌识别与厚度估计 2135.4 Transformer架构与大语言模型 2165.4.1 自监督学习 2175.4.2 注意力机制 2185.4.3 Transformer神经网络架构 2235.4.4 大语言模型 2255.4.5 基于Transformer的MRI图像超分辨率 226参考文献 229术语对照表 233
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
