基於機器學習的材料設計 陸文聰 9787030774248 【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：科學
物品所在地：中國大陸
原出版社：科學
NT$750
商品編號:
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：202408*若逾兩年請先於私訊洽詢存貨情況，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：基於機器學習的材料設計 ISBN：9787030774248 出版社：科學 著編譯者：陸文聰 頁數：279 所在地：中國大陸 *此為代購商品 書號：1678316 可大量預訂，請先連絡。 內容簡介 本書綜述了基於機器學習的材料設計的最新研究進展，介紹了材料機器學習演算法、開源軟體和自主研發的材料數據挖掘在線計算平台在合金材料、鈣鈦礦材料和太陽能電池材料設計上的成功應用案例。本書的特色是「機器學習演算法深入淺出，上機練習案例學以致用」，附錄中的計算平台和演算法代碼具有智能機器學習建模、虛擬材料的高通量篩選和需求驅動的材料逆向設計等功能，為機器學習加快新材料設計和優化提供了行之有效的工具。 本書可作為材料設計方向的研究生課程參考書，也適合材料科學和工程領域的工作者參考閱讀。目錄 叢書序前言 第1章 基於機器學習的材料設計綜述 1 1 基於機器學習的材料設計研究背景 1 1 1 材料機器學習與材料設計 1 1 2 材料機器學習與材料信息學 1 1 3 材料機器學習與材料基因組計劃 1 2 基於機器學習的材料設計方法 1 2 1 材料機器學習問題的數學表達 1 2 2 材料機器學習的常用方法 1 2 3 材料機器學習的基本流程 1 3 基於機器學習的材料設計的應用軟體和開源工具 1 4 基於機器學習的材料設計研究進展 1 5 材料機器學習發展趨勢 1 5 1 材料機器學習建模的關鍵特徵變數篩選 1 5 2 機器學習模型的選擇和優化 1 5 3 材料機器學習新技術的推廣應用 1 5 4 材料機器學習應用軟體的開發 1 5 5 機器學習模型與第一性原理模型結合加快新材料研發 1 5 6 材料智能製造 1 5 7 基於機器學習的材料設計願景 參考文獻 第2章 機器學習方法 2 1 回歸分析 2 1 1 一元線性回歸 2 1 2 多元線性回歸 2 1 3 嶺回歸 2 1 4 套索演算法 2 1 5 偏最小二乘回歸 2 1 6 邏輯回歸 2 2 統計模式識別 2 2 1 最近鄰法 2 2 2 主成分分析 2 2 3 多重判別矢量和費希爾判別矢量 2 2 4 非線性映射 2 2 5 模式識別應用技術 2 3 決策樹及其衍生方法 2 3 1 決策樹 2 3 2 隨機決策樹 2 3 3 隨機森林 2 3 4 梯度提升決策樹 2 3 5 極限梯度提升演算法 2 3 6 快速梯度提升演算法 2 4 集成學習方法 2 4 1 Boosting演算法 2 4 2 AdaBoost演算法 2 4 3 Bagging演算法 2 5 聚類方法 2 5 1 K均值聚類方法 2 5 2 雜訊密度聚類方法 2 5 3 評估指標 2 6 人工神經網路方法 2 6 1 反向傳播人工神經網路 2 6 2 Kohonen自組織網路 2 6 3 深度學習網路 2 7 支持向量機方法 2 7 1 統計學習理論簡介 2 7 2 支持向量分類演算法 2 7 3 支持向量機的核函數 2 7 4 支持向量回歸演算法 2 7 5 支持向量機分類與回歸演算法的實現 2 7 6 應用前景 2 8 高斯過程回歸 2 9 遺傳演算法和遺傳回歸 2 9 1 遺傳演算法 2 9 2 遺傳回歸 參考文獻 第3章 特徵篩選和超參數優化方法 3 1 特徵變數篩選方法 3 1 1 過濾式 3 1 2 封裝式 3 1 3 嵌入式 3 2 超參數優化方法 3 2 1 網格搜索 3 2 2 遺傳演算法 3 2 3 模型序貫優化方法 3 3 小結 參考文獻 第4章 基於機器學習的合金材料設計 4 1 基於機器學習的合金材料設計概論 4 2 基於機器學習的高熵合金材料設計 4 2 1 演算法選擇 4 2 2 特徵工程 4 2 3 模型構建 4 2 4 逆向設計 4 2 5 高通量篩選 4 2 6 實驗驗證 4 2 7 模型解釋 4 2 8 特徵外推 4 3 基於機器學習的低熔點合金材料設計 4 3 1 數據收集和特徵構建 4 3 2 模型構建 4 3 3 低熔點合金設計 4 3 4 實驗驗證 4 3 5 特徵分析 4 4 基於機器學習的金合金材料設計 4 4 1 數據收集和特徵變數 4 4 2 特徵篩選及模型研究 4 4 3 特徵分析 4 4 4 正向篩選和逆向驗證 4 4 5 在線預測 4 5 小結 參考文獻 第5章 基於機器學習的鈣鈦礦材料設計 5 1 基於機器學習的鈣鈦礦材料設計概論 5 2 基於機器學習的鈣鈦礦材料形成規律 5 2 1 數據收集 5 2 2 特徵工程 5 2 3 模型研究 5 2 4 模型遷移 5 2 5 模型應用 5 2 6 二維敏感性分析 5 3 基於機器學習的鈣鈦礦催化活性設計 5 3 1 數據收集 5 3 2 特徵分析及篩選 5 3 3 模型初建 5 3 4 模型優化及評估 5 3 5 在線預報及虛擬篩選 5 3 6 產氫速率模型研究 5 3 7 統計分析 5 4 基於機器學習的有機-無機雜化鈣鈦礦材料設計 5 4 1 基於模擬樣本的HOIPs材料形成性設計 5 4 2 基於實驗樣本的HOIPs材料形成性設計 5 4 3 基於實驗樣本的HOIPs材料帶隙設計 5 5 小結 參考文獻 第6章 基於機器學習的太陽能電池有機小分子設計 6 1 基於機器學習的太陽能電池材料設計概論 6 1 1 有機太陽能電池給體/受體對分子設計 6 1 2 染料敏化太陽能電池敏化劑分子設計 6 2 基於機器學習的有機太陽能電池D/A對分子設計 6 2 1 特徵工程 6 2 2 模型構建 6 2 3 模型穩定性和泛化能力評估 6 2 4 模型應用 6 2 5 模型解釋 6 2 6 量化驗證 6 3 基於機器學習的染料敏化太陽能電池BODIPY類分子設計 6 3 1 QSPR模型和在線預報 6 3 2 水平模型分析 6 3 3 垂直模型分析 6 3 4 潛在染料設計和PCE預測 6 3 5 量化 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
