中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
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
感知數據分析與應用 版權信息
- ISBN：9787030797230
- 條形碼：9787030797230 ; 978-7-03-079723-0
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
感知數據分析與應用 內容簡介
本書介紹了感知數據分析與計算的關鍵技術方法和典型案例，具體內容主要包括靜態數據(概率統計、誤差)和動態數據(隨機過程、信號)，以及機器學習和深度學習。其中，靜態和動態數據分析與計算從統計的角度揭示隱藏在數據中的規律，對收集到的數據進行處理與分析，提取有價值的信息，得到特征統計結果。機器學習以數據或已有經驗為基礎，從大量的、不完全的、有噪聲的、模糊的、隨機的實際數據中，挖掘隱藏在數據中的信息。深度學習將歸納偏差建立成神經網絡的層次化表示，找到高維數據(如信號和圖像)的低維表示(特征)。在分析復雜問題方面，提供了靜態和動態、信號和圖像等方面的工程問題和算法思路；在基礎問題方面，提供參考程序代碼，參見https://gitee.com/aapdata/algorithm.git。
感知數據分析與應用 目錄
目錄前言第1章 緒論 11.1 測量與計量 21.2 智能感知與計算 31.2.1 傳感器的基本原理 41.2.2 智能感知系統 41.2.3 物聯網與信息物理融合 51.3 傳感器的性能指標 61.3.1 靜態特性 61.3.2 動態特性的時域分析 81.3.3 動態特性的頻域分析 111.3.4 FBG溫度傳感器的靜態特性 131.4 本書主要工作 15參考文獻 16第2章 靜態數據與誤差分析 182.1 概率 182.1.1 事件概率 192.1.2 隨機變量及概率分布 212.1.3 隨機變量的數字特征 232.1.4 信息熵 262.2 統計推斷 282.2.1 樣本與抽樣分布 292.2.2 統計估計 312.2.3 假設檢驗 362.3 線性模型 392.3.1 *小二乘法擬合 392.3.2 相關分析 412.3.3 方差分析 412.3.4 CFRP-FBG加固混凝土結構的抗裂性能 432.4 測量誤差 452.4.1 粗大誤差 462.4.2 系統誤差 472.4.3 壓力約束混凝土結構的熱應變響應 512.5 測量不確定度評估 532.5.1 標準測量不確定度的A類評估方法 552.5.2 標準測量不確定度的B類評估方法 592.5.3 合成不確定度評估 612.5.4 擴展不確定度評估 642.5.5 直流電子式電流互感器校驗儀測試 64參考文獻 67第3章 動態數據與信號處理 703.1 隨機過程 703.1.1 隨機過程的分布 713.1.2 隨機過程的數字特征 713.1.3 Markov過程 723.1.4 平穩隨機過程 753.1.5 GPR信號混疊的雙排鋼筋識別與定位 813.2 時間序列分析 833.2.1 平穩時間序列分析 833.2.2 自回歸模型擬合 853.2.3 AR(p)序列預測 883.3 譜估計 883.3.1 **譜估計 903.3.2 參數建模 913.4 時頻分析 923.4.1 短時Fourier變換 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 經驗模式分解 1093.4.7 Hilbert譜分析 1133.4.8 GPR信號振幅與相位特征的破碎帶識別 1163.4.9 基于STFT的?-OTDR多頻分解相干衰落抑制算法 120參考文獻 121第4章 統計機器學習 1234.1 統計機器學習的基本概念 1244.1.1 模型假設空間 1254.1.2 模型選擇準則 1264.1.3 模型學習算法 1294.1.4 模型評價 1344.2 監督學習 1404.2.1 感知器 1414.2.2 k近鄰法 1424.2.3 logistic回歸 1424.2.4 Bayes分類器 1434.2.5 EM算法 1474.2.6 支持向量機 1484.3 無監督學習 1584.3.1 聚類 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探測信號的裂隙水識別 1714.4 半監督學習 1754.4.1 Gaussian混合模型生成 1764.4.2 轉換支持向量機 177參考文獻 178第5章 深度學習 1805.1 神經網絡 1805.2 深度學習的基本結構 1825.2.1 卷積神經網絡 1845.2.2 循環神經網絡 1885.2.3 長短期記憶神經網絡 1935.2.4 自編碼器 1955.2.5 基于多雙*特性注意力機制的Faster R-CNN的鋼筋識別 1975.3 深度學習中的常用策略 2005.3.1 生成對抗學習 2005.3.2 遷移學習 2025.3.3 元學習 2075.3.4 終身機器學習 2095.3.5 基于VAE-GAN抑制鋼筋產生的GPR多次反射干擾信號 2105.3.6 基于圖像遷移模型的雷達數據中隧道襯砌識別與厚度估計 2135.4 Transformer架構與大語言模型 2165.4.1 自監督學習 2175.4.2 注意力機制 2185.4.3 Transformer神經網絡架構 2235.4.4 大語言模型 2255.4.5 基于Transformer的MRI圖像超分辨率 226參考文獻 229術語對照表 233
展開全部
書友推薦
- >
姑媽的寶刀
- >
史學評論
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
我與地壇
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯大授課錄
- >
李白與唐代文化
本類暢銷
