数据驱动的科学和工程：机器学习、动力系统与控制详解
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 83.04 5.6折 ￥ 149 全新
库存4件
作者(美)史蒂文·l.布伦顿,(美)j.内森·库茨
出版社机械工业出版社
ISBN9787111688617
出版时间2021-08
装帧平装
开本16开
定价149元
货号31234727
上书时间2024-10-14
- 在售商品 暂无
- 平均发货时间 18小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
译者序<br/>前言<br/>常见的优化方法、方程、符号和缩略语<br/>第一部分 降维和变换<br/>第1章 奇异值分解1<br/>1.1 概述1<br/>1.2 矩阵近似4<br/>1.3 数学性质和操作方法7<br/>1.4 伪逆、最小二乘和回归11<br/>1.5 主成分分析16<br/>1.6 特征脸示例20<br/>1.7 截断和对齐24<br/>1.8 随机奇异值分解29<br/>1.9 张量分解和N路数据数组33<br/>第2章 傅里叶变换与小波变换37<br/>2.1 傅里叶级数和傅里叶变换37<br/>2.2 离散傅里叶变换和快速傅里叶变换45<br/>2.3 偏微分方程的变换51<br/>2.4 Gabor变换和频谱图56<br/>2.5 小波和多分辨率分析61<br/>2.6 二维变换和图像处理63<br/>第3章 稀疏性和压缩感知68<br/>3.1 稀疏性和压缩68<br/>3.2 压缩感知71<br/>3.3 压缩感知示例74<br/>3.4 压缩几何77<br/>3.5 稀疏回归80<br/>3.6 稀疏表示83<br/>3.7 鲁棒主成分分析87<br/>3.8 稀疏传感器布置89<br/>第二部分 机器学习和数据分析<br/>第4章 回归和模型选择95<br/>4.1 经典曲线拟合96<br/>4.2 非线性回归与梯度下降101<br/>4.3 回归与方程组Ax = b：超定和欠定系统106<br/>4.4 优化是回归的基石111<br/>4.5 帕累托边界和简约原则115<br/>4.6 模型选择：交叉验证119<br/>4.7 模型选择：信息准则123<br/>第5章 聚类和分类127<br/>5.1 特征选择和数据挖掘127<br/>5.2 监督学习和无监督学习132<br/>5.3 无监督学习：k均值聚类135<br/>5.4 无监督层次聚类：树状图139<br/>5.5 混合模型和期望最大化算法142<br/>5.6 监督学习和线性判别145<br/>5.7 支持向量机149<br/>5.8 分类树和随机森林153<br/>5.9 2008年数据挖掘十大算法158<br/>第6章 神经网络和深度学习161<br/>6.1 神经网络：单层网络162<br/>6.2 多层网络和激活函数165<br/>6.3 反向传播算法170<br/>6.4 随机梯度下降算法172<br/>6.5 深度卷积神经网络175<br/>6.6 神经网络动力系统178<br/>6.7 神经网络多样性182<br/>第三部分 动力学与控制<br/>第7章 数据驱动动力系统189<br/>7.1 概述、动机和挑战190<br/>7.2 动态模态分解194<br/>7.3 非线性动力学的稀疏辨识203<br/>7.4 Koopman算子理论212<br/>7.5 数据驱动的Koopman分析220<br/>第8章 线性控制理论229<br/>8.1 闭环反馈控制230<br/>8.2 线性时不变系统233<br/>8.3 能控性与能观性238<br/>8.4 最优全状态控制：线性二次型调节器243<br/>8.5 最优全状态估计：Kalman滤波器246<br/>8.6 基于传感器的最优控制：线性二次型高斯249<br/>8.7 案例研究：小车上的倒立摆250<br/>8.8 鲁棒控制和频域技术257<br/>第9章 平衡模型控制267<br/>9.1 模型约简与系统辨识267<br/>9.2 平衡模型约简268<br/>9.3 系统辨识279<br/>第10章 数据驱动控制288<br/>10.1 非线性系统辨识的控制289<br/>10.2 机器学习控制294<br/>10.3 自适应极值搜索控制302<br/>第四部分 降阶模型<br/>第11章 POD技术311<br/>11.1 偏微分方程的POD311<br/>11.2 最优基元：POD展开316<br/>11.3 POD和孤立子动力学320<br/>11.4 POD的连续公式324<br/>11.5 对称性的POD：旋转和平移328<br/>第12章 参数降阶模型的插值335<br/>12.1 缺失POD335<br/>12.2 缺失POD的误差和收敛性340<br/>12.3 缺失测量：最小化条件数343<br/>12.4 缺失测量：最大化方差348<br/>12.5 POD和离散经验插值方法351<br/>12.6 DEIM算法实现354<br/>12.7 机器学习的ROM357<br/>术语362<br/>参考文献367<br/>索引395
内容摘要
数据驱动的研究正在革新复杂系统的建模、预测和控制。本书面向高年级本科生和研究生，提供了一个综合的视角，展示了如何将新兴的方法，如数据科学、数据挖掘和机器学习技术，应用到工程和物理科学中。
相关推荐
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新保定
￥ 107.45
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新成都
￥ 104.25
-
数据驱动的科学和工程：机器学习、动力系统与控制详解
全新成都
￥ 72.60
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新南京
￥ 104.32
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新武汉
￥ 104.30
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新南京
￥ 104.31
-
数据驱动的科学和工程：机器学习、动力系统与控制详解
全新南昌
￥ 72.60
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新北京
￥ 75.07
-
数据驱动的科学和工程 机器学习、动力系统与控制详解
全新北京
￥ 74.70
-
数据驱动的科学和工程：机器学习、动力系统与控制详解
全新北京
￥ 93.32
— 没有更多了 —
以下为对购买帮助不大的评价