掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
智能計算技術與應用 版權信息
- ISBN：9787111750871
- 條形碼：9787111750871 ; 978-7-111-75087-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能計算技術與應用 本書特色
本書面向初學者介紹智能計算的相關概念、典型應用，并采用研究性學習方法和P-MASE模型，按照引入問題、尋找方法、問題分析、問題求解、效果評價的模式，講授智能計算編程、數據獲取和預處理、數據可視化、預測數據的值、分類問題、聚類分析、神經網絡、智能圖像識別、時間序列數據的處理等知識，并給出了兩個綜合案例。本書深入淺出、案例豐富、可操作性強，適合作為高校智能計算相關課程的入門教材，也適合相關技術人員學習參考。
智能計算技術與應用 內容簡介
本書面向初學者介紹智能計算的相關概念、典型應用，采用研究性學習方法和P-MASE模型，按照引入問題、尋找方法、問題分析、問題求解、效果評價的模式，講授智能計算編程、數據獲取和預處理、數據可視化、預測數據的值、分類問題、聚類分析、神經網絡、智能圖像識別、時間序列數據的處理等知識，并給出了兩個綜合案例。<br />本書深入淺出、案例豐富、可操作性強，適合作為高校智能計算相關課程的入門教材，也適合相關技術人員學習參考。
智能計算技術與應用 目錄
目錄
前言
第1章 智能計算概述 1
1.1 人工智能與智能計算 1
1.1.1 人工智能 1
1.1.2 智能計算時代與學科融合 2
1.1.3 “新醫科”與智能計算 2
1.1.4 智能計算時代的其他典型應用 7
1.2 培養“新醫科”學生的素養 11
1.2.1 “新醫科”學生的基本素養 11
1.2.2 科學、技術與工程 12
1.2.3 科研方法與工程方法 13
1.2.4 智能計算素養 13
1.3 研究性學習方法與P-MASE模型 14
1.3.1 研究性學習與學習方法 14
1.3.2 P-MASE模型 14
參考文獻 16
第2章 智能計算編程基礎 17
2.1 引入問題 17
2.1.1 問題描述 17
2.1.2 問題歸納 18
2.2 尋找方法 18
2.2.1 Python編程環境 18
2.2.2 Python編程基礎 24
2.2.3 Python的內置模塊和第三方工具包 27
2.3 問題分析 30
2.4 問題求解 31
2.5 效果評價 33
參考文獻 33
第3章 數據獲取和預處理 35
3.1 引入問題 35
3.1.1 問題描述 35
3.1.2 問題歸納 35
3.2 尋找方法 36
3.2.1 數據的類別 36
3.2.2 數據采集方法 37
3.2.3 數據預處理 44
3.2.4 數據變換 48
3.3 問題分析 49
3.4 問題求解 50
3.4.1 利用爬蟲代碼進行數據采集 50
3.4.2 利用數據采集工具進行數據采集 52
3.5 效果評價 55
參考文獻 55
第4章 數據可視化 56
4.1 引入問題 56
4.1.1 問題描述 56
4.1.2 問題歸納 56
4.2 尋找方法 57
4.2.1 數據的統計特征和可視特征 57
4.2.2 數據可視化的基本要素 58
4.2.3 數據可視化工具 60
4.2.4 數據可視化方法 62
4.3 問題分析 72
4.4 問題求解 74
4.5 效果評價 77
參考文獻 77
第5章 預測數據的值 78
5.1 引入問題 78
5.1.1 問題描述 78
5.1.2 問題歸納 78
5.2 尋找方法 79
5.2.1 回歸分析的基本原理 79
5.2.2 線性回歸 80
5.2.3 常用的回歸模型評估方法 81
5.2.4 使用Python實現線性回歸 82
5.2.5 多項式回歸 85
5.3 問題分析 86
5.4 問題求解 87
5.4.1 加載數據 87
5.4.2 分析數據特征及預處理 88
5.4.3 建立線性回歸預測模型 91
5.5 效果評價 92
參考文獻 93
第6章 判斷對象屬于哪一類 94
6.1 引入問題 94
6.1.1 問題描述 94
6.1.2 問題歸納 94
6.2 尋找方法 94
6.2.1 分類問題及常用算法 94
6.2.2 利用Python求解分類問題 103
6.3 問題分析 105
6.4 問題求解 105
6.4.1 確定問題特征 105
6.4.2 數據采集與預處理 105
6.4.3 選擇分類模型 107
6.4.4 預測新樣本 111
6.5 效果評價 111
參考文獻 112
第７章 將對象劃分為不同的類別
—聚類分析 113
7.1 引入問題 113
7.1.1 問題描述 113
7.1.2 問題歸納 113
7.2 尋找方法 114
7.2.1 聚類問題概述 114
7.2.2 k-means算法簡介 114
7.2.3 k-means聚類算法的實現 115
7.2.4 k-means算法中類簇數量k的選取 120
7.2.5 調用工具包實現k-means聚類 121
7.3 問題分析 122
7.4 問題求解 123
7.4.1 二維數據聚類 124
7.4.2 三維數據聚類 125
7.5 效果評價 127
參考文獻 127
第8章 讓計算機像人腦一樣思考 128
8.1 引入問題 128
8.1.1 問題描述 128
8.1.2 問題歸納 128
8.2 尋找方法 129
8.2.1 生物神經網絡 129
8.2.2 人工神經網絡 129
8.2.3 BP人工神經網絡 134
8.2.4 Python中的人工神經網絡 136
8.3 問題分析 141
8.4 問題求解 142
8.4.1 確定問題特征 142
8.4.2 收集特征數據及數據預處理 142
8.4.3 神經網絡分類預測模型 143
8.5 效果評價 145
參考文獻 147
第9章 如何讓計算機看懂圖像 148
9.1 引入問題 148
9.1.1 問題描述 148
9.1.2 問題歸納 148
9.2 尋找方法 149
9.2.1 生物醫學圖像分類的基本實現
方法 149
9.2.2 深度學習基礎 149
9.2.3 卷積神經網絡的原理 150
9.2.4 幾種典型的深度卷積神經網絡模型 151
9.2.5 Python中的圖像分類 153
9.3 問題分析 158
9.4 問題求解 158
9.4.1 確定生物識別采用的技術方案 158
9.4.2 訓練數據集的獲取 159
9.4.3 對圖像數據進行預處理 159
9.4.4 構建VGGNet-16神經網絡模型 159
9.4.5 使用訓練好的神經網絡模型對圖像文件進行分類 163
9.5 效果評價 164
參考文獻 166
第10章 處理時間序列數據 167
10.1 引入問題 167
10.1.1 問題描述 167
10.1.2 問題歸納 167
10.2 尋找方法 168
10.2.1 時間序列預測 168
10.2.2 循環神經網絡 169
10.3 問題分析 172
10.3.1 匈牙利每周水痘病例數據集 172
10.3.2 數據處理方法 173
10.4 問題求解 173
10.4.1 數據讀取 173
10.4.2 數據預處理 174
10.4.3 構建模型 177
10.4.4 訓練模型 177
10.5 效果評價 178
參考文獻 179
第11章 淋巴造影分類預測綜合案例 180
11.1 引入問題 180
11.1.1 問題描述 180
11.1.2 數據描述 180
11.2 尋找方法 181
11.2.1 數據預處理方法 181
11.2.2 分類預測方法 182
11.3 問題分析 182
11.3.1 加載數據集 182
11.3.2 查看數據分布 184
11.3.3 分析屬性與標簽結果的相關性 186
11.4 問題求解 187
11.4.1 數據預處理 187
11.4.2 建立神經網絡模型 188
11.5 效果評價 190
參考文獻 191
第12章 胸部CT影像檢測綜合案例 192
12.1 引入問題 192
12.1.1 問題描述 192
12.1.2 數據描述 193
12.2 尋找方法 194
12.2.1 VGGNet-16 194
12.2.2 ResNet神經網絡 195
12.3 問題分析 195
12.4 問題求解 196
12.4.1 加載數據集并預處理圖像 196
12.4.2 建立VGGNet-16模型 197
12.4.3 訓練VGGNet-16模型 199
12.4.4 模型評價 200
12.5 效果評價 202
參考文獻 203
前言
第1章 智能計算概述 1
1.1 人工智能與智能計算 1
1.1.1 人工智能 1
1.1.2 智能計算時代與學科融合 2
1.1.3 “新醫科”與智能計算 2
1.1.4 智能計算時代的其他典型應用 7
1.2 培養“新醫科”學生的素養 11
1.2.1 “新醫科”學生的基本素養 11
1.2.2 科學、技術與工程 12
1.2.3 科研方法與工程方法 13
1.2.4 智能計算素養 13
1.3 研究性學習方法與P-MASE模型 14
1.3.1 研究性學習與學習方法 14
1.3.2 P-MASE模型 14
參考文獻 16
第2章 智能計算編程基礎 17
2.1 引入問題 17
2.1.1 問題描述 17
2.1.2 問題歸納 18
2.2 尋找方法 18
2.2.1 Python編程環境 18
2.2.2 Python編程基礎 24
2.2.3 Python的內置模塊和第三方工具包 27
2.3 問題分析 30
2.4 問題求解 31
2.5 效果評價 33
參考文獻 33
第3章 數據獲取和預處理 35
3.1 引入問題 35
3.1.1 問題描述 35
3.1.2 問題歸納 35
3.2 尋找方法 36
3.2.1 數據的類別 36
3.2.2 數據采集方法 37
3.2.3 數據預處理 44
3.2.4 數據變換 48
3.3 問題分析 49
3.4 問題求解 50
3.4.1 利用爬蟲代碼進行數據采集 50
3.4.2 利用數據采集工具進行數據采集 52
3.5 效果評價 55
參考文獻 55
第4章 數據可視化 56
4.1 引入問題 56
4.1.1 問題描述 56
4.1.2 問題歸納 56
4.2 尋找方法 57
4.2.1 數據的統計特征和可視特征 57
4.2.2 數據可視化的基本要素 58
4.2.3 數據可視化工具 60
4.2.4 數據可視化方法 62
4.3 問題分析 72
4.4 問題求解 74
4.5 效果評價 77
參考文獻 77
第5章 預測數據的值 78
5.1 引入問題 78
5.1.1 問題描述 78
5.1.2 問題歸納 78
5.2 尋找方法 79
5.2.1 回歸分析的基本原理 79
5.2.2 線性回歸 80
5.2.3 常用的回歸模型評估方法 81
5.2.4 使用Python實現線性回歸 82
5.2.5 多項式回歸 85
5.3 問題分析 86
5.4 問題求解 87
5.4.1 加載數據 87
5.4.2 分析數據特征及預處理 88
5.4.3 建立線性回歸預測模型 91
5.5 效果評價 92
參考文獻 93
第6章 判斷對象屬于哪一類 94
6.1 引入問題 94
6.1.1 問題描述 94
6.1.2 問題歸納 94
6.2 尋找方法 94
6.2.1 分類問題及常用算法 94
6.2.2 利用Python求解分類問題 103
6.3 問題分析 105
6.4 問題求解 105
6.4.1 確定問題特征 105
6.4.2 數據采集與預處理 105
6.4.3 選擇分類模型 107
6.4.4 預測新樣本 111
6.5 效果評價 111
參考文獻 112
第７章 將對象劃分為不同的類別
—聚類分析 113
7.1 引入問題 113
7.1.1 問題描述 113
7.1.2 問題歸納 113
7.2 尋找方法 114
7.2.1 聚類問題概述 114
7.2.2 k-means算法簡介 114
7.2.3 k-means聚類算法的實現 115
7.2.4 k-means算法中類簇數量k的選取 120
7.2.5 調用工具包實現k-means聚類 121
7.3 問題分析 122
7.4 問題求解 123
7.4.1 二維數據聚類 124
7.4.2 三維數據聚類 125
7.5 效果評價 127
參考文獻 127
第8章 讓計算機像人腦一樣思考 128
8.1 引入問題 128
8.1.1 問題描述 128
8.1.2 問題歸納 128
8.2 尋找方法 129
8.2.1 生物神經網絡 129
8.2.2 人工神經網絡 129
8.2.3 BP人工神經網絡 134
8.2.4 Python中的人工神經網絡 136
8.3 問題分析 141
8.4 問題求解 142
8.4.1 確定問題特征 142
8.4.2 收集特征數據及數據預處理 142
8.4.3 神經網絡分類預測模型 143
8.5 效果評價 145
參考文獻 147
第9章 如何讓計算機看懂圖像 148
9.1 引入問題 148
9.1.1 問題描述 148
9.1.2 問題歸納 148
9.2 尋找方法 149
9.2.1 生物醫學圖像分類的基本實現
方法 149
9.2.2 深度學習基礎 149
9.2.3 卷積神經網絡的原理 150
9.2.4 幾種典型的深度卷積神經網絡模型 151
9.2.5 Python中的圖像分類 153
9.3 問題分析 158
9.4 問題求解 158
9.4.1 確定生物識別采用的技術方案 158
9.4.2 訓練數據集的獲取 159
9.4.3 對圖像數據進行預處理 159
9.4.4 構建VGGNet-16神經網絡模型 159
9.4.5 使用訓練好的神經網絡模型對圖像文件進行分類 163
9.5 效果評價 164
參考文獻 166
第10章 處理時間序列數據 167
10.1 引入問題 167
10.1.1 問題描述 167
10.1.2 問題歸納 167
10.2 尋找方法 168
10.2.1 時間序列預測 168
10.2.2 循環神經網絡 169
10.3 問題分析 172
10.3.1 匈牙利每周水痘病例數據集 172
10.3.2 數據處理方法 173
10.4 問題求解 173
10.4.1 數據讀取 173
10.4.2 數據預處理 174
10.4.3 構建模型 177
10.4.4 訓練模型 177
10.5 效果評價 178
參考文獻 179
第11章 淋巴造影分類預測綜合案例 180
11.1 引入問題 180
11.1.1 問題描述 180
11.1.2 數據描述 180
11.2 尋找方法 181
11.2.1 數據預處理方法 181
11.2.2 分類預測方法 182
11.3 問題分析 182
11.3.1 加載數據集 182
11.3.2 查看數據分布 184
11.3.3 分析屬性與標簽結果的相關性 186
11.4 問題求解 187
11.4.1 數據預處理 187
11.4.2 建立神經網絡模型 188
11.5 效果評價 190
參考文獻 191
第12章 胸部CT影像檢測綜合案例 192
12.1 引入問題 192
12.1.1 問題描述 192
12.1.2 數據描述 193
12.2 尋找方法 194
12.2.1 VGGNet-16 194
12.2.2 ResNet神經網絡 195
12.3 問題分析 195
12.4 問題求解 196
12.4.1 加載數據集并預處理圖像 196
12.4.2 建立VGGNet-16模型 197
12.4.3 訓練VGGNet-16模型 199
12.4.4 模型評價 200
12.5 效果評價 202
參考文獻 203
展開全部
智能計算技術與應用 作者簡介
長期從事計算機基礎課教學，承擔和參與省部、校級教學改革項目及科研項目10余項，獲南開大學教學成果獎3項，發表論文10余篇，主編教材4部，參與編寫多套教材。從事信息安全、密碼學應用、隱私保護等研究，參與多項科研項目，發表EI、CCF-C、SCI等數篇學術論文。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
巴金－再思錄
- >
龍榆生：詞曲概論/大家小書
- >
羅庸西南聯大授課錄
- >
姑媽的寶刀
- >
史學評論
- >
推拿
本類暢銷
