澳大利亚新华书店网

神经网络设计(原书第2版)/智能科学与技术丛书
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)马丁T.哈根//霍华德B.德姆斯//马克H.比勒//奥兰多·德·赫苏斯|译者:章毅出版社：机械工业
丛书项：智能科学与技术丛书
由马丁T.哈根、霍华德B.德姆斯、马克H.比勒、奥兰多·德·赫苏斯著的《神经网络设计(原书第2版 )/智能科学与技术丛书》是一本易学易懂的神经网络教材，主要讨论网络结构、学习规则、训练技巧和工程应用，紧紧围绕“设计”这一视角组织材料和展开讲解，强调基本原理和训练方法，概念清晰，数学论述严谨，包含丰富的实例和练习，并配有课件和 MATLAB演示程序。本书要求读者具备线性代数、概率论和微分方程的基础知识，可作为高年级本科生或一年级研究生的神经网络导论课程教材，也可供有兴趣的读者自学或参考。
售价：39.60

机器人操作中的力学原理/机器人学译丛
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)马修T.梅森|译者:贾振中//万伟伟出版社：机械工业
丛书项：机器人学译丛
马修T.梅森著的《机器人操作中的力学原理》是学习机器人操作的基础教材,旨在介绍机器人操作过程中的力学原理和规划算法。在力学原理部分，我们将从一个全新视角来审视经典力学，包括运动学、静力学和动力学，并使用新的方法（如多种图形化方法）来解决在其他书籍中没有出现过的一些特殊问题。在规划算法部分，我们将使用基于状态空间的方法，同时考虑如何处理以下两个难题：使用经典力学得到的高维连续状态空间并不适合用于搜索算法；由于机器人的感知和运动控制等系统以及周围环境因素而带来的不确定性。本书可作为有一定机器人运动学、动力学和控制基础的本科生与研究生教材。
售价：23.60

模型参考自适应控制导论/国外工业控制与智能制造丛书
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)尼汉·T.阮|责编:赵亮宇|译者:赵良玉//石忠佼出版社：机械工业
丛书项：国外工业控制与智能制造丛书
本书是作者结合30多年来的主要研究成果及教学经验编写而成的。第1章简要介绍了模型参考自适应控制理论的新研究进展及目前遇到的一些挑战。第2～4 章介绍了本书用到的基础数学知识，包含非线性的基本概念以及用于稳定性分析的李雅普诺夫方法。第5章介绍了模型参考自适应控制的基本理论。第6章和第7 章分别介绍了最小二乘参数辨识和函数近似及其在模型参考自适应控制中的应用。第8章和第9章阐述自适应控制的鲁棒性问题并给出了多种有效提升鲁棒性的设计方法。第10章介绍了多种自适应控制方法在航空航天飞行控制中的应用实例。本书既可以作为高等院校相关专业高年级本科生、硕士研究生和低年级博士研究生的教材，也可以作为相关领域工程技术人员的参考书。
售价：55.60

数据挖掘与预测分析(第2版)/大数据应用与技术丛书
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)Daniel T.Larose//Chantal D.Larose|责编:王军//于平|译者:王念滨//宋敏//裴大茗出版社：清华大学
丛书项：大数据应用与技术丛书
《数据挖掘与预测分析（第2版）》提供了从数据准备到探索性数据分析、数据建模及模型评估等整个数据分析过程的内容。《数据挖掘与预测分析（第2版）》不仅提供了理解软件底层算法的“ 白盒”方法，而且提供了能够使读者利用现实世界数据集开展数据挖掘与预测分析的应用方法。第2版的新内容： ◆添加了500多页的新内容，包括20个新章节，例如，数据建模准备、成本一效益分析、缺失数据填补、聚类优劣度量以及细分模型等。 ◆针对前沿主题的新章节，例如，多元分类模型、BIRCH聚类、集成学习（bagging及boosting）、模型投票与趋向平均等。 ◆每章节后均附有R语言开发园地，读者可以获得完成书中分析所需的R 语言源代码，以及通过R 代码生成的图、表和结果。 ◆书中的附录为那些对统计基础生疏的读者提供了了解基本概念的材料。 ◆超过750个章节练习，使读者能够自己测试对所学知识的掌握程度，并着手开展数据挖掘与预测分析工作。《数据挖掘与预测分析（第2版）》将对数据分析人员、数据库分析人员以及CIO具有极大的吸引力，通过学习将使他们知道何种类型的分析将会增加其投资回报。
售价：79.20

机器学习(工程师和科学家的第一本书)/智能科学与技术丛书
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(瑞典)安德里亚斯·林霍尔姆//尼克拉斯·瓦尔斯特伦//弗雷德里克·林斯滕//托马斯·B.舍恩|责编:曲熠|译者:汤善江//于策//孙超出版社：机械工业
丛书项：智能科学与技术丛书
在连贯的统计框架中，本书涵盖了一系列有监督的机器学习方法，包括基础方法（k－NN、决策树、线性和逻辑回归等）和高级方法（深度神经网络、支持向量机、高斯过程、随机森林和提升等），以及常用的无监督方法（生成模型、k－均值聚类、自动编码器、主成分分析和生成对抗网络等）。所有方法都包含详细的解释和伪代码。通过在方法之间建立联系，讨论一般概念（例如损失函数、zuida似然、偏差－方差分解、核和贝叶斯方法），同时介绍常规的实用工具（例如正则化、交叉验证、评估指标和优化方法），本书始终将关注点放在基础知识上。最后两章为解决现实世界中有监督的机器学习问题和现代机器学习的伦理问题提供了实用建议。
售价：43.60

商品分类