深度學習在建築工程中的應用 齊宏拓 9787112284238 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國建築工業
物品所在地：中國大陸
原出版社：中國建築工業
大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。
NT$687
商品編號:
9787112284238
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習在建築工程中的應用
ISBN：9787112284238
出版社：中國建築工業
著編譯者：齊宏拓
頁數：259
所在地：中國大陸 *此為代購商品
書號：1525507
可大量預訂，請先連絡。
1 1 深度學習與PyTorch
1 1 1 機器學習
1 1 2 深度學習
1 1 3 深度學習框架PyTorch
1 2 環境搭建
1 2 1 安裝環境管理工具（Conda）
1 2 2 安裝GPU加速包
1 2 3 配置虛擬環境
1 3 深度學習框架安裝配置（PyTorch）
1 4 常用工具及包介紹（Python）
1 4 1 源碼集成開發環境（Visual Studio Code/PyCharm）
1 4 2 網頁互動式運行環境（Jupyter）
1 4 3 雲端運行環境（Google Colaboratory）
1 4 4 部分常用Python包
1 5 基礎知識（Python/NumPy/Matplotlib/PyTorch）
1 5 1 Python編程基礎
1 5 2 NumPy數組及運算
1 5 3 圖形繪製基礎（Matplotlib）
1 5 4 框架基礎（PyForch）
參考文獻
第2章 深度學習基礎
2 1 神經網絡
2 1 1 神經網絡的初步認識
2 1 2 前饋神經網絡的工作機制
2 1 3 採用神經網絡對手寫數字進行分類
2 2 卷積神經網絡（CNN）
2 2 1 CNN的初步認識
2 2 2 CNN網路的架構
2 2 3 經典CNN網路
2 2 4 採用CNN對手寫數字進行分類
2 3 生成對抗網路（GAN）
2 3 1 GAN的初步認識
2 3 2 採用GAN生成手寫數字
2 3 3 採用卷積GAN生成手寫數字（MNSIT-CNN-GAN）
2 3 4 採用條件式GAN生成手寫數字
2 4 強化學習
2 4 1 強化學習的初步認識
2 4 2 強化學習理論基礎
2 4 3 時序差分學習方法
2 4 4 採用Q-learning演算法進行智能體路徑規劃
參考文獻
第3章 採用深層卷積網路實現裂縫分類
3 1 殘差網路的架構
3 2 殘差網路（ResNet18）的工作機制
3 3 採用ResNet18實現裂縫分類
3 3 1 數據集製作
3 3 2 模型訓練
3 3 3 模型優化與驗證
參考文獻
第4章 採用深度卷積生成對抗網路實現建築立面生成
4 1 深度卷積生成對抗網路概述
4 2 基於DCGAN的建築立面生成
4 2 1 導入所需的庫
4 2 2 設置隨機種子
4 2 3 模型參數設置
4 2 4 數據集載入與可視化
4 2 5 DCGAN生成器的構建
4 2 6 DCGAN判別器的構建
4 2 7 模型權重初始化
4 2 8 損失函數與優化器
4 2 9 模型訓練與可視化
4 3 GAN訓練的改進方法
4 3 1 判別器標籤平滑
4 3 2 使用不同學習率
4 3 3 特徵匹配損失
4 3 4 最小二乘損失
參考文獻
第5章 基於強化學習的鋼筋排布避障設計
5 1 樑柱節點鋼筋避障排布問題描述——多智能體路徑規劃
5 2 鋼筋排布路徑規劃的多智能體強化學習
5 2 1 強化學習智能體設計
5 2 2 Q-learning演算法
5 3 採用強化學習實現二維鋼筋自動排布
5 3 1 強化學習演算法參數設定
5 3 2 創建強化學習環境
5 3 3 Q-learning演算法
5 3 4 創建訓練函數
5 4 採用強化學習實現三維鋼筋自動排布
5 4 1 鋼筋混凝土樑柱節點三維鋼筋排布實例
5 4 2 三維鋼筋排布多智能體強化學習訓練過程
5 4 3 案例結果分析與討論
參考文獻
附錄 第2章代碼
附錄1 2 1 3節代碼——採用前饋神經網絡對手寫數字進行分類
附錄2 2 2 4節代碼——採用CNN對手寫數字進行分類
附錄3 2 3 2節代碼——採用GAN生成手寫數字
附錄4 2 3 2節代碼——採用改良GAN生成手寫數字
附錄5 2 3 3節代碼——採用卷積GAN生成手寫數字
附錄6 2 3 4節代碼——採用條件GAN生成手寫數字
附錄7 2 4節代碼——強化學習Q-learning
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習在建築工程中的應用
ISBN：9787112284238
出版社：中國建築工業
著編譯者：齊宏拓
頁數：259
所在地：中國大陸 *此為代購商品
書號：1525507
可大量預訂，請先連絡。
內容簡介
本書以易於理解的語言和方式向讀者講述了深度學習中的常用概念和方法，結合建築工程領域的專業背景和應用場景，通過分析具體的問題並給出詳細代碼示例，介紹深度學習在建築工程中的應用方法。全書共5章，分別為深度學習開發環境搭建、深度學習基礎、採用深層卷積網路實現裂縫分類、採用深度卷積生成對抗網路實現建築立面生成和基於強化學習的鋼筋排布避障設計。 本書可作為土木工程相關專業高等院校和職業院校的課程教材，亦可作為深度學習相關專業從業人員進入建築工程行業的入門資料。目錄
第1章 深度學習開發環境搭建1 1 深度學習與PyTorch
1 1 1 機器學習
1 1 2 深度學習
1 1 3 深度學習框架PyTorch
1 2 環境搭建
1 2 1 安裝環境管理工具（Conda）
1 2 2 安裝GPU加速包
1 2 3 配置虛擬環境
1 3 深度學習框架安裝配置（PyTorch）
1 4 常用工具及包介紹（Python）
1 4 1 源碼集成開發環境（Visual Studio Code/PyCharm）
1 4 2 網頁互動式運行環境（Jupyter）
1 4 3 雲端運行環境（Google Colaboratory）
1 4 4 部分常用Python包
1 5 基礎知識（Python/NumPy/Matplotlib/PyTorch）
1 5 1 Python編程基礎
1 5 2 NumPy數組及運算
1 5 3 圖形繪製基礎（Matplotlib）
1 5 4 框架基礎（PyForch）
參考文獻
第2章 深度學習基礎
2 1 神經網絡
2 1 1 神經網絡的初步認識
2 1 2 前饋神經網絡的工作機制
2 1 3 採用神經網絡對手寫數字進行分類
2 2 卷積神經網絡（CNN）
2 2 1 CNN的初步認識
2 2 2 CNN網路的架構
2 2 3 經典CNN網路
2 2 4 採用CNN對手寫數字進行分類
2 3 生成對抗網路（GAN）
2 3 1 GAN的初步認識
2 3 2 採用GAN生成手寫數字
2 3 3 採用卷積GAN生成手寫數字（MNSIT-CNN-GAN）
2 3 4 採用條件式GAN生成手寫數字
2 4 強化學習
2 4 1 強化學習的初步認識
2 4 2 強化學習理論基礎
2 4 3 時序差分學習方法
2 4 4 採用Q-learning演算法進行智能體路徑規劃
參考文獻
第3章 採用深層卷積網路實現裂縫分類
3 1 殘差網路的架構
3 2 殘差網路（ResNet18）的工作機制
3 3 採用ResNet18實現裂縫分類
3 3 1 數據集製作
3 3 2 模型訓練
3 3 3 模型優化與驗證
參考文獻
第4章 採用深度卷積生成對抗網路實現建築立面生成
4 1 深度卷積生成對抗網路概述
4 2 基於DCGAN的建築立面生成
4 2 1 導入所需的庫
4 2 2 設置隨機種子
4 2 3 模型參數設置
4 2 4 數據集載入與可視化
4 2 5 DCGAN生成器的構建
4 2 6 DCGAN判別器的構建
4 2 7 模型權重初始化
4 2 8 損失函數與優化器
4 2 9 模型訓練與可視化
4 3 GAN訓練的改進方法
4 3 1 判別器標籤平滑
4 3 2 使用不同學習率
4 3 3 特徵匹配損失
4 3 4 最小二乘損失
參考文獻
第5章 基於強化學習的鋼筋排布避障設計
5 1 樑柱節點鋼筋避障排布問題描述——多智能體路徑規劃
5 2 鋼筋排布路徑規劃的多智能體強化學習
5 2 1 強化學習智能體設計
5 2 2 Q-learning演算法
5 3 採用強化學習實現二維鋼筋自動排布
5 3 1 強化學習演算法參數設定
5 3 2 創建強化學習環境
5 3 3 Q-learning演算法
5 3 4 創建訓練函數
5 4 採用強化學習實現三維鋼筋自動排布
5 4 1 鋼筋混凝土樑柱節點三維鋼筋排布實例
5 4 2 三維鋼筋排布多智能體強化學習訓練過程
5 4 3 案例結果分析與討論
參考文獻
附錄 第2章代碼
附錄1 2 1 3節代碼——採用前饋神經網絡對手寫數字進行分類
附錄2 2 2 4節代碼——採用CNN對手寫數字進行分類
附錄3 2 3 2節代碼——採用GAN生成手寫數字
附錄4 2 3 2節代碼——採用改良GAN生成手寫數字
附錄5 2 3 3節代碼——採用卷積GAN生成手寫數字
附錄6 2 3 4節代碼——採用條件GAN生成手寫數字
附錄7 2 4節代碼——強化學習Q-learning
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。
規格說明
大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。
