智能建造基礎演算法教程 (第2版) 劉界鵬 周緒紅 程國忠 等 9787112287505 【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
NT$1,005
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：202308*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：智能建造基礎演算法教程 (第2版) ISBN：9787112287505 出版社：中國建築工業 著編譯者：劉界鵬 周緒紅 程國忠 等 叢書名：高等學校系列教材 頁數：527 所在地：中國大陸 *此為代購商品 書號：1556911 可大量預訂，請先連絡。 內容簡介 本教材根據智能建造專業的本科教學要求和智能建造技術的研發人才培養需求編寫，可劃分為六部分，第一部分為數學基礎方面的內容，包括矩陣分析基礎、概率統計與資訊理論基礎、數值優化與規劃方法；第二部分為智能優化演算法，其中詳細介紹了遺傳演算法、粒子群優化演算法、模擬退火演算法、多目標優化演算法等；第三部分為無監督學習演算法，主要介紹了各種聚類演算法；第四部分為監督學習演算法，詳細介紹了神經元感知器、支持向量機和貝葉斯分類器等經典分類演算法，並深入剖析了前饋神經網路和卷積神經網路這兩種深度學習演算法的工作流程和訓練過程，詳細說明和推導了深度學習演算法的數學過程；第五部分為強化學習演算法，其中介紹了馬爾可夫過程、時序差分學習演算法、Q學習演算法、深度強化學習演算法等，並介紹了強化學習與深度學習相結合而形成的深度強化學習演算法；第六部分為點雲處理演算法，包括點雲數據預處理演算法、檢測演算法、分割演算法和配准演算法等。 本教材適用於智能建造專業本科生，土木工程、建築技術、水利工程、海洋工程、工程管理、交通工程等專業的研究生，從事學科交叉研究的工科專業研究生，從事智能建造研發的建築業技術人員等。作者簡介 周緒紅（1956 9-），工學博士，著名結構工程專家，重慶大學鋼結構工程研究中心主任、教授；中國工程院院士，日本工程院外籍院士，英國皇家結構工程師學會Fellow，英國皇家特許結構工程師。1999年8月-2002年5月任湖南大學副校長，2002年5月-2006年7月任長安大學校長，2006年5月-2013年6月任蘭州大學校長（副部長級），2013年6月-2017年12月任重慶大學校長（副部長級），第十一屆、第十二屆全國人大代表。目錄 常用符號第1章 緒論 1 1 全球建築業現狀 1 2 建築業信息化 1 3 人工智慧技術發展 1 4 建築業的智能建造趨勢 1 5 本書的主要內容 參考文獻 第2章 矩陣分析基礎 2 1 向量和矩陣 2 2 二次型 2 3 向量與矩陣的求導 2 4 海森矩陣 2 5 范數 2 6 矩陣分解 2 7 廣義逆矩陣 2 8 典型應用-主成分分析 課後習題 參考文獻 第3章 概率統計與資訊理論基礎 3 1 隨機變數與概率 3 2 隨機變數間的獨立性 3 3 隨機變數的特徵數 3 4 貝葉斯規則 3 5 極大似然估計 3 6 熵和互信息 3 7 微分熵 3 8 KL散度與交叉熵 課後習題 參考文獻 第4章 數值優化與規劃方法 4 1 拉格朗日乘數法 4 2 KKT條件 4 3 最小二乘法 4 4 差分法 4 5 梯度下降法 4 6 牛頓法 4 7 蒙特卡洛法 4 8 人工勢場法 4 9 線性規劃 4 10 動態規劃 課後習題 參考文獻 第5章 智能優化演算法 5 1 遺傳演算法 5 2 粒子群優化演算法 5 3 模擬退火演算法 5 4 近鄰域優化演算法 5 5 多目標優化演算法 課後習題 參考文獻 第6章 聚類演算法 6 1 聚類的基本思想 6 2 k均值聚類 6 3 密度聚類 6 4 高斯混合聚類 6 5 層次聚類 6 6 譜聚類 課後習題 參考文獻 第7章 分類演算法 7 1 神經元感知器 7 2 支持向量機 7 3 邏輯回歸 7 4 k近鄰演算法 7 5 貝葉斯分類器 課後習題 參考文獻 第8章 深度學習 8 1 前饋神經網路 8 2 卷積神經網路 8 3 循環神經網路 8 4 特徵與深度學習 8 5 生成對抗神經網路 課後習題 參考文獻 第9章 強化學習 9 1 強化學習概覽 9 2 馬爾可夫過程 9 3 時序差分學習 9 4 三類方法的應用實例 9 5 深度強化學習 9 6 Q學習在結構深化設計中的應用 9 7 DQN在結構優化設計中的應用 課後習題 參考文獻 第10章 點雲處理演算法 10 1 點雲數據預處理演算法 10 2 點雲數據檢測演算法 10 3 點雲數據分割演算法 10 4 點雲數據配准演算法 課後習題 參考文獻 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。 |
