-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算社會學:基礎理論篇 版權信息
- ISBN:9787111746904
- 條形碼:9787111746904 ; 978-7-111-74690-4
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
計算社會學:基礎理論篇 本書特色
本書系統性梳理計算社會學理論和方法的論著,具有極高的教學價值。書中詳細介紹了社會網絡分析的基礎理論、動力學模型和網絡統計分析,并將其應用于涌現和傳染病等實際領域。此外,書中還深入介紹了人工智能算法(如深度學習)在智能推薦、文本分析、假消息檢測和虛擬社交機器人等領域的應用。這本書的特別之處在于融合了計算機科學、社會學、人工智能和復雜網絡等多個學科的專業概念,全面呈現了計算社會學領域*新的研究成果和關鍵技術突破。對于計算社會學的教學而言,這本書是不可或缺的寶貴資料。
計算社會學:基礎理論篇 內容簡介
本書是一本系統性梳理計算社會學相關理論和方法的論著。一方面,本書從傳統復雜網絡分析的角度,詳細闡述社會網絡分析的基礎理論和動力學模型——隨機網絡、小世界網絡、無標度網絡和網絡統計分析理論等,并將網絡過程和行為應用于涌現、傳染病等方面。另一方面,融合人工智能在自然語言處理、推薦算法等領域的進展,闡述了人工智能算法尤其是深度學習理論等在智能推薦、文本分析、假消息檢測、虛擬社交機器人等領域的應用。在兼顧廣度和深度的前提下,本書深度融合計算機科學、社會學、人工智能和復雜網絡等多學科的專業概念,突出闡述了計算社會學領域近年來的zui新研究成果和關鍵技術突破。
計算社會學:基礎理論篇 目錄
推薦序二
前言
第0章緒論1
01社會學發展歷程1
02計算社會學發展歷程4
021計算社會學的孕育期:
20世紀90年代至
2009年5
022計算社會學的黃金期:
2009年至今7
03計算社會學主要研究
內容9
031社交大數據的獲取與
分析9
032基于大數據的定量化
研究11
033ABM模擬的仿真模型
研究14
04新型社會計算系統的研制與
開發15
習題18
參考文獻18
**篇基礎支撐理論與算法篇
第1章圖論24
11圖的基本概念24
111圖的定義24
112圖的基本術語25
12圖的存儲表示28
121鄰接矩陣存儲法28
122鄰接表存儲法29
123十字鏈表存儲法30
124鄰接多重表存儲法31
13圖的遍歷32
131廣度優先搜索32
132深度優先搜索33
14圖的相關應用33
141*小生成樹33
142AOV網與拓撲排序35
143AOE網與關鍵路徑36
144*短路徑37
小結40
習題40
參考文獻41第2章理論方法概述42
21機器學習概覽42
211機器學習基本概念42
212發展歷程43
213基本流程45
22數據預處理46
221數據清洗46
222數據集成49
223數據歸一化50
23特征抽取與選擇51
231特征抽取51
232特征選擇53
24經驗誤差與測試誤差54
241誤差來源與定義54
242欠擬合與過擬合55
25模型評估與選擇57
251正則化57
252交叉驗證57
253性能度量58
小結61
習題61
參考文獻62第3章線性模型64
31基本形式64
32線性回歸65
33邏輯回歸66
34線性判別分析68
341基本思想68
342算法原理68
小結69
習題70
參考文獻70第4章聚類71
41聚類任務71
411聚類任務描述71
412聚類算法的劃分72
413距離度量73
414評價函數74
42基于劃分的聚類算法77
421K-均值算法77
422K-中心點算法78
43基于層次的聚類算法79
431AGNES算法79
432DIANA算法80
433BIRCH算法81
44基于密度的聚類算法84
小結86
習題86
參考文獻87第5章分類89
51決策樹90
511決策樹模型與學習90
512特征選擇91
513決策樹的生成95
514決策樹的剪枝96
52貝葉斯分類98
521貝葉斯決策論98
522參數估計方法99
523樸素貝葉斯99
524EM算法102
53支持向量機103
531間隔與支持向量103
532對偶問題105
533核函數107
534軟間隔109
54集成學習111
541個體與集成111
542Boosting算法112
543Bagging算法113
544結合策略115
小結117
習題117
參考文獻118第6章神經網絡119
61神經元模型119
611神經元模型的結構120
612激活函數122
613常見激活函數122
62感知機126
621感知機的概念及模型
結構126
622感知機的效果127
623多層感知機的概念及
模型結構128
63誤差反向傳播算法130
631誤差反向傳播算法的
概念130
632信息前向傳播131
633誤差反向傳播132
64其他常見的神經網絡
模型135
641玻爾茲曼機135
642深度信念網絡138
643脈沖神經網絡140
小結143
習題143
參考文獻144第7章深度學習網絡146
71深度學習網絡概述146
72卷積神經網絡147
721網絡結構148
722經典模型150
73循環神經網絡153
731網絡結構153
732長短期記憶網絡155
74圖神經網絡157
741網絡結構158
742圖神經網絡模型159
75網絡訓練優化163
751梯度爆炸與梯度
消失164
752梯度下降優化策略164
753過擬合消減優化
策略167
小結169
習題169
參考文獻170第8章高級神經網絡框架174
81自編碼器174
811預備知識174
812自編碼器架構175
813經典自編碼器模型175
814變分自編碼器179
82編-解碼器框架182
821編-解碼器基本
框架182
822經典編-解碼結構
模型182
83注意力機制185
831標準注意力機制185
832注意力形式186
833Transformer模型187
84生成對抗網絡189
841GAN的基本原理189
842經典GAN模型192
843生成對抗網絡的
應用195
小結196
習題197
參考文獻197
第二篇社會網絡分析篇
第9章網絡結構與聯系202
91三元閉包202
911三元閉包定義202
912聚集系數203
92強聯系與弱聯系205
921人際關系的強度205
922捷徑與橋207
923強聯系與弱聯系的現實
意義210
93網絡社區劃分215
931分裂法圖劃分216
932其他圖劃分方法
擴展220
小結225
習題225
參考文獻226第10章同質性228
101同質現象228
1011什么是同質現象228
1012同質現象的多樣化
表現229
102同質性的測量231
1021相對比率和期望
比率231
1022EI同質性指數232
1023Blau異質性指數232
103同質現象的成因233
104同質現象的影響237
1041人群隔離237
1042感知偏差240
1043同伴效應243
小結246
習
計算社會學:基礎理論篇 作者簡介
作者簡介:郭斌,1980年生,工學博士,西北工業大學計算機學院教授/博導,計算機系統與微電子系主任,智能感知與計算工信部重點實驗室副主任。2009年3月博士畢業于日本慶應大學,2009-2011年在法國國立電信學院進行博士后研究。入選“新世紀優秀人才”(2012)和第三批國家“萬人計劃”青年拔尖人才(2017),擔任軍委科技委國防科技創新特區專家組專家。主要從事普適計算、群智感知計算和大數據智能等方面研究。在國內外重要期刊和會議如IEEE TMC, IEEE THMS, ACM TKDD, ACM Computing Surveys, IEEE Comm. Surveys and Tutorials, UbiComp, INFOCOM, IJCAI等上面發表學術論文150余篇,6篇論文入選ESI熱點或高被引論文。曾獲得自然科學二等獎1項,獲IEEE UIC’17、ISI’19等國際會議最佳論文獎。擔任《IEEE Transactions on Human-Machine Systems》,《IEEE Communications Magazine》,《ACM Transactions on Intelligent Systems and Technology》,《IEEE Internet of Things》、《ACM IMWUT》、《Personal and Ubiquitous Computing》、《Frontiers of Computer Science》等國際權威期刊的編委或客座編輯,以及IEEE UIC’15, IEEE CPSCom’17、GPC’20等多個重要國際會議程序主席等職務。IEEE高級會員,CCF杰出會員。個人主頁:http://www.guob.org/
- >
龍榆生:詞曲概論/大家小書
- >
羅庸西南聯大授課錄
- >
推拿
- >
名家帶你讀魯迅:朝花夕拾
- >
二體千字文
- >
月亮與六便士
- >
詩經-先民的歌唱
- >
【精裝繪本】畫給孩子的中國神話