智慧型計算技術與套用基礎——面向新理工科

《智慧型計算技術與套用基礎——面向新理工科》是2022年8月北京郵電大學出版社出版的圖書，作者：趙宏。

基本介紹

• 中文名：智慧型計算技術與套用基礎——面向新理工科
• 作者：趙宏
• 出版時間：2022年8月30日
• 出版社：北京郵電大學出版社
• ISBN：9787563566891
• 定價：45 元

出版信息

書名：智慧型計算技術與套用基礎——面向新理工科

出版時間：2022-08-30

編 著 者：趙宏

版 次：1-1

I S B N:978-7-5635-6689-1

定 價：￥45.00元

內容簡介

本書是《智慧型計算技術與套用基礎》系列教材之一。《智慧型計算技術與套用基礎》系列教材包括面向“新文科”、“新工科”、“新醫科”三個方向。本系列教材的智慧型計算更加強調面向非人工智慧相關專業大學生，如何有效地套用現有的智慧型計算方法去解決生活和工作中的問題。本書包括智慧型計算基礎篇、智慧型計算技術篇和智慧型計算案例實踐篇等三部分的內容。本書是為高等學校傳統理工科和新時代理工科編寫的通識融合課程教材，也適合對智慧型計算感興趣的讀者。

目錄介紹

第1章智慧型計算與新理工科

1.1人工智慧與學科融合

1.1.1人工智慧

1.1.2智慧型計算時代的學科融合

1.1.3智慧型計算時代的標誌

1.2培養新理工科學生的素養

1.2.1新理工科學生的基本素養

1.2.2科學、技術與工程的關係

1.2.3科研方法與工程方法

1.2.4智慧型計算應該解決的問題

1.3研究性學習方法

1.3.1研究性學習

1.3.2PMASE模型

第2章智慧型計算編程基礎

2.1引入問題

2.1.1問題描述

2.1.2問題拓展

2.2尋找方法

2.2.1Python編程環境

2.2.2Python編程基礎

2.2.3Python內置模組和第三方

工具包

2.3科學分析

2.3.1問題1的分析

2.3.2問題2的分析

2.4有效解決

2.4.1問題1的求解

2.4.2問題2的求解

2.5效果評價

第3章數據採集與預處理

3.1引入問題

3.1.1問題描述

3.1.2問題歸納

3.2尋找方法

3.2.1數據採集

3.2.2數據清洗

3.2.3數據標準化

3.2.4數據初步分析

3.3科學分析

3.4有效解決

3.5效果評價

第4章數據可視化

4.1引入問題

4.1.1問題描述

4.1.2問題歸納

4.2尋找方法

4.2.1數據的統計特徵和可視特徵

4.2.2數據可視化的基本要素

4.2.3數據可視化工具

4.2.4數據可視化方法

4.3科學分析

4.4有效解決

4.5效果評價

第5章預測變數的值

5.1引入問題

5.1.1問題描述

5.1.2問題歸納

5.2尋找方法

5.2.1回歸分析的基本原理

5.2.2線性回歸

5.2.3線性回歸的Python實現

5.2.4調用工具包實現線性回歸

5.2.5多項式回歸

5.2.6回歸模型常用的評估指標

5.3科學分析

5.4有效解決

5.5效果評價

智慧型計算技術與套用基礎——面向新理工科

第1章智慧型計算與新理工科

目錄

第6章判斷對象類別

6.1引入問題

6.1.1問題描述

6.1.2問題歸納

6.2尋找方法

6.2.1分類問題及常用算法

6.2.2利用Python求解分類問題

6.3科學分析

6.4有效解決

6.4.1確定問題特徵

6.4.2採集與預處理數據

6.4.3選擇分類模型

6.4.4預測新樣本

6.5效果評價

第7章聚類分析

7.1引入問題

7.1.1問題描述

7.1.2問題歸納

7.2尋找方法

7.2.1聚類問題概述

7.2.2kmeans聚類算法簡介

7.2.3kmeans聚類算法的實現

7.2.4kmeans聚類算法中類簇數量

k的選取

7.2.5調用工具包實現kmeans聚類

算法

7.3科學分析

7.3.1問題1的分析

7.3.2問題2的分析

7.4有效解決

7.4.1問題1的求解

7.4.2問題2的求解

7.5效果評價

第8章讓計算機模擬人腦具有智慧型

8.1引入問題

8.1.1問題描述

8.1.2問題歸納

8.2尋找方法

8.2.1人腦及其認知過程

8.2.2人工神經網路

8.2.3BP神經網路

8.2.4Python中的神經網路

8.3科學分析

8.4有效解決

8.5效果評價

第9章讓計算機看懂圖像

9.1引入問題

9.1.1問題描述

9.1.2問題歸納

9.2尋找方法

9.2.1圖像分類與深度學習基礎

9.2.2卷積神經網路的原理

9.2.3幾種典型的深度卷積神經網路

模型

9.2.4Python中圖像分類的實現

9.3科學分析

9.4有效解決

9.4.1獲取訓練數據集

9.4.2對圖像數據進行預處理

9.4.3構建VGGNet16神經網路

模型

9.4.4模型訓練與代碼實現

9.4.5使用模型處理圖像分類

9.5效果評價

9.5.1模型訓練過程的可視化結果

9.5.2不同神經網路結構對圖像分類

問題的影響

第10章預測與時間相關的事件

10.1引入問題

10.1.1問題描述

10.1.2問題歸納

10.2尋找方法

10.2.1時間序列預測

10.2.2循環神經網路

10.3科學分析

10.3.1歷史用電量數據

10.3.2數據處理方法

10.4有效解決

10.4.1數據讀取

10.4.2數據預處理

10.4.3拆分訓練集和測試集

10.4.4數據歸一化

10.4.5數據整理

10.4.6構建模型

10.4.7訓練模型

10.4.8繪製學習曲線

10.5效果評價

第11章機理模型的實現

11.1Python常用的科學計算函式

11.1.1創建數組與查看數組的屬性

11.1.2矩陣的相關運算

11.1.3非線性方程組的求解

11.1.4常微分方程組的求解

11.1.5最小二乘法擬合

11.2機理模型的構建與套用

11.2.1案例1：地中海鯊魚問題

11.2.2案例2：嫦娥三號軟著陸軌道

設計與控制問題

11.2.3案例3：爐溫曲線問題

第12章綜合案例

12.1智慧家居綜合案例：家庭用電量

預測

12.1.1引入問題

12.1.2尋找方法

12.1.3科學分析

12.1.4使用機器學習算法進行多步

時間序

列預測

12.1.5使用LSTM模型進行多步

時間序列預測

12.2智慧環境綜合案例：空氣品質

分析

12.2.1引入問題

12.2.2子問題1——數據採集與預

處理

12.2.3子問題2——探索性分析與可

視化

12.2.4子問題3——對空氣品質指數

進行聚類分析

12.2.5效果評價

參考文獻