• 大数据智能分析与先进计算
21年品牌 40万+商家 超1.5亿件商品

大数据智能分析与先进计算

全新正版 极速发货

27.22 5.7折 48 全新

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者刘朝华[等]编著

出版社中南大学出版社

ISBN9787548750383

出版时间2022-12

装帧平装

开本16开

定价48元

货号1202874281

上书时间2024-05-27

曲奇书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第1章 绪论

1.1 大数据的概念和特征

1.1.1 大数据的概念

1.1.2 大数据的特征

1.2 大数据与优选计算、人工智能

1.3 大数据的典型应用场景

1.4 大数据的发展趋势

第2章 机器学习

2.1 数据挖掘与机器学习概述

2.2 logistic回归

2.2.1 logistic回归分类

2.2.2 L2正则化原问题

2.2.3 L2正则化对偶问题

2.2.4 L1正则化原问题

2.3 决策树

2.3.1 树形决策过程

2.3.2 分类与回归树

2.3.3 训练算法

2.4 支持向量机

2.4.1 线性分类器

2.4.2 线性可分的情况

2.4.3 线性不可分的情况

2.4.4 核映射与核函数

2.4.5 SMO算法

2.4.6 多分类问题

2.5 贝叶斯分类器

2.5.1 贝叶斯决策

2.5.2 朴素贝叶斯分类器

2.5.3 正态贝叶斯分类器

2.6 KNN算法

2.6.1 基本概念

2.6.2 预测算法

2.6.3 距离定义

2.7 随机森林

2.7.1 随机抽样

2.7.2 Bagging算法

2.7.3 随机森林算法

2.8 Boosting算法

2.8.1 AdaBoost算法

2.8.2 广义加法模型

2.8.3 实现细节问题

第3章 深度学习

3.1 深度学习概述

3.2 深度学习基础

3.2.1 BP神经网络

3.2.2 受限Boltzmann机

3.3 深度信念网络

3.3.1 模型结构

3.3.2 学习算法

3.4 卷积神经网络

3.4.1 卷积层

3.4.2 ReLU层

3.4.3 池化层

3.4.4 全连接层

3.4.5 层与层之间的交织

3.5 循环神经网络

3.5.1 循环神经网络

3.5.2 双向循环神经网络

3.5.3 多层循环神经网络

3.5.4 回声状态网络

3.5.5 长短期记忆网络

3.5.6 门控循环单元

3.6 生成对抗学习

3.7 强化学习

3.7.1 强化学习的组成部分

3.7.2 马尔可夫决策过程

3.7.3 基于动态规划的算法

3.7.4 蒙特卡洛算法

3.7.5 时序差分算法

3.8 迁移学习

第4章 大数据群智能优化算法

4.1 大数据处理的难点与群智能优化

4.1.1 基于粒子群算法的大数据分析

4.1.2 基于蚁群算法的大数据分析

4.1.3 基于进化算法的大数据分析

4.2 遗传算法

4.2.1 遗传算法原理

4.2.2 常用术语简介

4.2.3 遗传算法的流程

4.3 人工免疫系统

4.3.1 一般免疫算法

4.3.2 克隆选择算法

4.3.3 免疫网络算法

4.3.4 阴性选择算法

4.4 蚁群算法

4.4.1 蚁群算法的基本原理

4.4.2 蚁群算法的流程

4.2.3 改进的蚁群算法

4.5 粒子群优化算法

……

内容摘要
大数据时代的到来,迫切需要为控制电气信息类研究生的教育建立大数据技术课程体系,为社会培养和输送一批具备大数据素养的高级创新人才,满足工业系统对大数据创新人才日益旺盛的需求。本书定位为控制电气信息类研究生专业教材,为该专业研究生搭建起“大数据智能处理与优选计算”的系统知识体系及研究方向。本书将系统梳理、总结大数据技术的基本原理、大数据处理与学习智能方法、优选计算技术,以及近期新大数据研究成果和大数据的主要领域应用,帮助研究生形成对大数据知识体系及其应用领域的深刻认识,为相关研究生在大数据领域奠定基础和开拓研究方向。同时可作为自动化、计算机、电子电气信息类高年级本科生的选修课教材及相关科技工作者的参考资料。全书分两大部分内容,前者重点聚焦于大数据技术的两个核心内容——分布式存储和分布式计算;后者聚焦于各种机器学习、深度学习和智能优化方法等优选计算方法。

精彩内容

本书定位为控制电气信息类研究生专业教材,为该专业研究生搭建起“大数据智能处理与先进计算”的系统知识体系及研究方向拓展。全书分为三大部分共8章,第一部分为大数据智能处理方法,包括大数据概况、数据挖掘与经典的机器学习算法以及现代基于生物启发的群智能优化算法;第二部分先进计算技术,包括大数据存储技术、大数据处理架构及先进并行计算技术;第三部分为典型大数据分析案例部分,主要为风电大数据分析实例和城市供水系统供水量预测大数据分析案例。本书将系统梳理、总结大数据技术的基本原理、大数据处理与学习智能方法、先进计算技术、以及最新大数据研究成果和大数据的主要领域应用,帮助研究生形成对大数据知识体系及其应用领域的深刻认识,为相关研究生在大数据领域奠定基础和开拓研究方向。



—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP