中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
大數據及其在交通運輸中的應用 版權信息
- ISBN：9787122399830
- 條形碼：9787122399830 ; 978-7-122-39983-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大數據及其在交通運輸中的應用 本書特色
●大數據技術基礎理論知識：大數據的特征、分類、框架結構等。 ●Python編程基礎知識：各種模塊的講解，并配以實操案例。 ●機器學習模式識別：機器學習的類型、機器學習的基礎數學知識、樹和隨機森林算法、KNN算法、貝葉斯理論、支持向量機等模型和原理以及具體的Python代碼實現。 ●深度學習基礎知識及應用：深度學習的微積分基礎、線性代數基礎、案例詳解、深度學習框架以及硬件基礎、深度學習的駕駛意圖應用等。 ●深度學習的交通流預測研究：交通流理論基礎、交通流統計分布特性的基本理論知識、交通流數據預處理、深度學習的交通流預測等。
大數據及其在交通運輸中的應用 內容簡介
本書主要對大數據的理論基礎進行了介紹，并對大數據框架包含的內容進行了詳細講解。具體內容包括：對Python基礎知識的介紹，在大數據的交通流預測中所能用到的Python基礎知識；對大數據所包括的內容及基礎理論知識的講解；數據挖掘的研究與分析，對交通流大數據的基礎數據的處理與分析；基于Python的機器學習模型的基礎理論知識的介紹、交通流和駕駛行為及意圖分析；基于Python的深度學習的理論講解與分析，并運用深度學習模型對交通流進行預測等。本書可供交通運輸、交通工程、車輛工程、計算機等領域的技術人員、編程人員閱讀，也可供相關專業的師生學習參考。
大數據及其在交通運輸中的應用 目錄
第1 章 緒論001
1.1 大數據概述002
1.2 Python 概述003
1.3 交通運輸大數據概述004
第2 章 Python 基礎知識007
2.1 變量和簡單數據類型008
2.2 Python 語法基礎010
2.3 數據可視化020
2.4 數據的統計學特征025
2.5 代數和符號運算問題028
2.6 基本數學運算030
2.7 不同類型的數字031
2.8 Pandas 和NumPy 模塊032
第3 章 大數據基礎043
3.1 大數據044
3.2 Hadoop 大數據平臺046
3.3 大數據與人工智能050
3.4 探索性數據分析051
3.5 相關分析和回歸分析054
3.6 降維數據分析056
第4 章 機器學習模式識別065
4.1 人工智能、機器學習和深度學習關系066
4.2 機器學習基礎068
4.3 機器學習中的參數及擬合問題071
4.4 矩陣基本知識072
4.5 樹和隨機森林算法076
4.6 KNN 算法078
4.7 貝葉斯理論078
4.8 支持向量機080
4.9 神經網絡085
第5 章 深度學習基礎及應用101
5.1 深度學習中的微積分基礎102
5.2 深度學習的線性代數基礎106
5.3 基于Python 的神經網絡案例算法詳解107
5.4 深度學習框架113
5.5 深度學習的硬件基礎117
5.6 卷積神經網絡算法詳解118
5.7 循環神經網絡和長短期記憶網絡125
5.8 基于LSTM 的駕駛意圖識別130
第6 章 深度學習的交通流預測研究139
6.1 交通流理論基礎140
6.2 交通流的統計分布特性142
6.3 交通流數據預處理144
6.4 交通信息獲取技術146
6.5 宏觀交通流模型及微觀交通流模型147
6.6 基于深度學習的交通流預測149
參考文獻155
1.1 大數據概述002
1.2 Python 概述003
1.3 交通運輸大數據概述004
第2 章 Python 基礎知識007
2.1 變量和簡單數據類型008
2.2 Python 語法基礎010
2.3 數據可視化020
2.4 數據的統計學特征025
2.5 代數和符號運算問題028
2.6 基本數學運算030
2.7 不同類型的數字031
2.8 Pandas 和NumPy 模塊032
第3 章 大數據基礎043
3.1 大數據044
3.2 Hadoop 大數據平臺046
3.3 大數據與人工智能050
3.4 探索性數據分析051
3.5 相關分析和回歸分析054
3.6 降維數據分析056
第4 章 機器學習模式識別065
4.1 人工智能、機器學習和深度學習關系066
4.2 機器學習基礎068
4.3 機器學習中的參數及擬合問題071
4.4 矩陣基本知識072
4.5 樹和隨機森林算法076
4.6 KNN 算法078
4.7 貝葉斯理論078
4.8 支持向量機080
4.9 神經網絡085
第5 章 深度學習基礎及應用101
5.1 深度學習中的微積分基礎102
5.2 深度學習的線性代數基礎106
5.3 基于Python 的神經網絡案例算法詳解107
5.4 深度學習框架113
5.5 深度學習的硬件基礎117
5.6 卷積神經網絡算法詳解118
5.7 循環神經網絡和長短期記憶網絡125
5.8 基于LSTM 的駕駛意圖識別130
第6 章 深度學習的交通流預測研究139
6.1 交通流理論基礎140
6.2 交通流的統計分布特性142
6.3 交通流數據預處理144
6.4 交通信息獲取技術146
6.5 宏觀交通流模型及微觀交通流模型147
6.6 基于深度學習的交通流預測149
參考文獻155
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
姑媽的寶刀
- >
中國歷史的瞬間
- >
巴金－再思錄
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:朝花夕拾
- >
有舍有得是人生
- >
朝聞道
本類暢銷
