智能计算技术与应用
全新正版 极速发货
￥ 38.15 6.5折 ￥ 59 全新
库存16件
广东广州
认证卖家担保交易快速发货售后保障
作者李敏 赵宏 李兴娟
出版社机械工业出版社
ISBN9787111750871
出版时间2024-07
装帧平装
开本16开
定价59元
货号1203321041
上书时间2024-08-08
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录<br /><br />前言<br /><br />第1章 智能计算概述 1<br />1.1 人工智能与智能计算 1<br />1.1.1 人工智能 1<br />1.1.2 智能计算时代与学科融合 2<br />1.1.3 “新医科”与智能计算 2<br />1.1.4 智能计算时代的其他典型应用 7<br />1.2 培养“新医科”学生的素养 11<br />1.2.1 “新医科”学生的基本素养 11<br />1.2.2 科学、技术与工程 12<br />1.2.3 科研方法与工程方法 13<br />1.2.4 智能计算素养 13<br />1.3 研究性学习方法与P-MASE模型 14<br />1.3.1 研究性学习与学习方法 14<br />1.3.2 P-MASE模型 14<br />参考文献 16<br /><br />第2章 智能计算编程基础 17<br />2.1 引入问题 17<br />2.1.1 问题描述 17<br />2.1.2 问题归纳 18<br />2.2 寻找方法 18<br />2.2.1 Python编程环境 18<br />2.2.2 Python编程基础 24<br />2.2.3 Python的内置模块和第三方工具包 27<br />2.3 问题分析 30<br />2.4 问题求解 31<br />2.5 效果评价 33<br />参考文献 33<br /><br />第3章 数据获取和预处理 35<br />3.1 引入问题 35<br />3.1.1 问题描述 35<br />3.1.2 问题归纳 35<br />3.2 寻找方法 36<br />3.2.1 数据的类别 36<br />3.2.2 数据采集方法 37<br />3.2.3 数据预处理 44<br />3.2.4 数据变换 48<br />3.3 问题分析 49<br />3.4 问题求解 50<br />3.4.1 利用爬虫代码进行数据采集 50<br />3.4.2 利用数据采集工具进行数据采集 52<br />3.5 效果评价 55<br />参考文献 55<br /><br />第4章 数据可视化 56<br />4.1 引入问题 56<br />4.1.1 问题描述 56<br />4.1.2 问题归纳 56<br />4.2 寻找方法 57<br />4.2.1 数据的统计特征和可视特征 57<br />4.2.2 数据可视化的基本要素 58<br />4.2.3 数据可视化工具 60<br />4.2.4 数据可视化方法 62<br />4.3 问题分析 72<br />4.4 问题求解 74<br />4.5 效果评价 77<br />参考文献 77<br /><br />第5章 预测数据的值 78<br />5.1 引入问题 78<br />5.1.1 问题描述 78<br />5.1.2 问题归纳 78<br />5.2 寻找方法 79<br />5.2.1 回归分析的基本原理 79<br />5.2.2 线性回归 80<br />5.2.3 常用的回归模型评估方法 81<br />5.2.4 使用Python实现线性回归 82<br />5.2.5 多项式回归 85<br />5.3 问题分析 86<br />5.4 问题求解 87<br />5.4.1 加载数据 87<br />5.4.2 分析数据特征及预处理 88<br />5.4.3 建立线性回归预测模型 91<br />5.5 效果评价 92<br />参考文献 93<br /><br />第6章 判断对象属于哪一类 94<br />6.1 引入问题 94<br />6.1.1 问题描述 94<br />6.1.2 问题归纳 94<br />6.2 寻找方法 94<br />6.2.1 分类问题及常用算法 94<br />6.2.2 利用Python求解分类问题 103<br />6.3 问题分析 105<br />6.4 问题求解 105<br />6.4.1 确定问题特征 105<br />6.4.2 数据采集与预处理 105<br />6.4.3 选择分类模型 107<br />6.4.4 预测新样本 111<br />6.5 效果评价 111<br />参考文献 112<br /><br />第７章 将对象划分为不同的类别<br />—聚类分析 113<br />7.1 引入问题 113<br />7.1.1 问题描述 113<br />7.1.2 问题归纳 113<br />7.2 寻找方法 114<br />7.2.1 聚类问题概述 114<br />7.2.2 k-means算法简介 114<br />7.2.3 k-means聚类算法的实现 115<br />7.2.4 k-means算法中类簇数量k的选取 120<br />7.2.5 调用工具包实现k-means聚类 121<br />7.3 问题分析 122<br />7.4 问题求解 123<br />7.4.1 二维数据聚类 124<br />7.4.2 三维数据聚类 125<br />7.5 效果评价 127<br />参考文献 127<br /><br />第8章 让计算机像人脑一样思考 128<br />8.1 引入问题 128<br />8.1.1 问题描述 128<br />8.1.2 问题归纳 128<br />8.2 寻找方法 129<br />8.2.1 生物神经网络 129<br />8.2.2 人工神经网络 129<br />8.2.3 BP人工神经网络 134<br />8.2.4 Python中的人工神经网络 136<br />8.3 问题分析 141<br />8.4 问题求解 142<br />8.4.1 确定问题特征 142<br />8.4.2 收集特征数据及数据预处理 142<br />8.4.3 神经网络分类预测模型 143<br />8.5 效果评价 145<br />参考文献 147<br /><br />第9章 如何让计算机看懂图像 148<br />9.1 引入问题 148<br />9.1.1 问题描述 148<br />9.1.2 问题归纳 148<br />9.2 寻找方法 149<br />9.2.1 生物医学图像分类的基本实现<br />方法 149<br />9.2.2 深度学习基础 149<br />9.2.3 卷积神经网络的原理 150<br />9.2.4 几种典型的深度卷积神经网络模型 151<br />9.2.5 Python中的图像分类 153<br />9.3 问题分析 158<br />9.4 问题求解 158<br />9.4.1 确定生物识别采用的技术方案 158<br />9.4.2 训练数据集的获取 159<br />9.4.3 对图像数据进行预处理 159<br />9.4.4 构建VGGNet-16神经网络模型 159<br />9.4.5 使用训练好的神经网络模型对图像文件进行分类 163<br />9.5 效果评价 164<br />参考文献 166<br /><br />第10章 处理时间序列数据 167<br />10.1 引入问题 167<br />10.1.1 问题描述 167<br />10.1.2 问题归纳 167<br />10.2 寻找方法 168<br />10.2.1 时间序列预测 168<br />10.2.2 循环神经网络 169<br />10.3 问题分析 172<br />10.3.1 匈牙利每周水痘病例数据集 172<br />10.3.2 数据处理方法 173<br />10.4 问题求解 173<br />10.4.1 数据读取 173<br />10.4.2 数据预处理 174<br />10.4.3 构建模型 177<br />10.4.4 训练模型 177<br />10.5 效果评价 178<br />参考文献 179<br /><br />第11章 淋巴造影分类预测综合案例 180<br />11.1 引入问题 180<br />11.1.1 问题描述 180<br />11.1.2 数据描述 180<br />11.2 寻找方法 181<br />11.2.1 数据预处理方法 181<br />11.2.2 分类预测方法 182<br />11.3 问题分析 182<br />11.3.1 加载数据集 182<br />11.3.2 查看数据分布 184<br />11.3.3 分析属性与标签结果的相关性 186<br />11.4 问题求解 187<br />11.4.1 数据预处理 187<br />11.4.2 建立神经网络模型 188<br />11.5 效果评价 190<br />参考文献 191<br /><br />第12章 胸部CT影像检测综合案例 192<br />12.1 引入问题 192<br />12.1.1 问题描述 192<br />12.1.2 数据描述 193<br />12.2 寻找方法 194<br />12.2.1 VGGNet-16 194<br />12.2.2 ResNet神经网络 195<br />12.3 问题分析 195<br />12.4 问题求解 196<br />12.4.1 加载数据集并预处理图像 196<br />12.4.2 建立VGGNet-16模型 197<br />12.4.3 训练VGGNet-16模型 199<br />12.4.4 模型评价 200<br />12.5&n
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价