清华大学出版社「学术理工」系列图书(10种)

清华大学出版社「学术理工」系列图书(10种)

机器学习方法

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302597308

作者:李航


关键句:在《统计学习方法》的基础上增加了“深度学习”篇,用基础的数学知识解读机器学习的原理和方法,内容全面系统、深入浅出,适合多次、反复阅读的机器学习经典著作。


本书全面系统地介绍了机器学习的主要方法,共分三篇,分别介绍监督学习的主要方法、无监督学习的主要方法、深度学习的主要方法。书中每章介绍一两种机器学习方法,详细叙述各个方法的模型、策略和算法。从具体例子入手,由浅入深,同时给出严格的数学推导,,使读者学会和使用这些机器学习的基本技术。书中还对各个方法的要点进行了总结,给出了一些习题。本书可作为机器学习及相关课程的教学参考书,适合人工智能、数据挖掘等专业的本科生、研究生使用,也供计算机各个领域的专业研发人员参考。


清华大学出版社「学术理工」系列图书(10种)

机器人学(第4版)

清华大学出版社「学术理工」系列图书(10种)


ISBN:9787302598220

作者:蔡自兴、谢斌


关键句:《机器人学(第四版)》适合作为高年级本科生和研究生的机器人学教材,也可供从事机器人学研究、开发和应用的科技人员学习参考。


《机器人学(第四版)》介绍了机器人学的基本原理及应用,反映了国内外机器人学研究和应用的最新进展,是一部系统和全面的机器人学著作。本书共10章,内容涉及机器人学的概况、数理基础、运动学、位置和力控制、高级控制、传感器、机器人规划、程序设计和展望等。在第三版的基础上进行了全面的修订与补充,引入了国内外机器人学新的发展情况,补充了机器人逆运动学的数值解法和基于深度学习的机器人控制,增加了基于机器学习的机器人规划、机器人操作系统和解释型脚本语言Python等内容。


清华大学出版社「学术理工」系列图书(10种)

统计自然语言处理(第2版)

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302319115

作者:宗成庆


关键句:本书全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展,内容深入浅出,从基础知识到深层应用逐步深入,自然语言处理领域的经典参考书。


本书全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展,内容包括形式语言与自动机、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统等,既有对基础知识和理论模型的介绍,也有对相关问题的研究背景、实现方法和技术现状的详细阐述。本书可作为高等院校计算机等相关专业本科生或研究生的教材,也可供从事自然语言处理、数据挖掘等研究的相关人员参考。


清华大学出版社「学术理工」系列图书(10种)

人工智能及其应用(第6版)

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302556817

作者:蔡自兴、刘丽珏、蔡竞峰、陈白帆


关键句:本书为人工智能领域的经典教材,国家级精品课程“人工智能”配套教材,国家级双语教学示范课程“人工智能”配套教材,国家级精品资源共享课程“人工智能”配套教材,第二版获国家教育部科技进步一等奖。


本书涵盖了人工智能十分广泛的主题,内容系统全面,既包括“传统”人工智能的基础理论与技术,又涉及计算智能的基本原理与方法,包括知识表示与推理、计算智能、专家系统、机器学习等。本书用相当多的篇幅介绍了人工智能的先进研究方法,特别是一些新技术和交叉技术的应用。例如,基于本体的知识表示、各种基于生物行为的算法、深度学习算法等,理论与实践高度融合。本书可作为高等院校人工智能专业的教材,也可供从事人工智能研究的科技工作者学习参考。


清华大学出版社「学术理工」系列图书(10种)

文本数据挖掘

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302519904

作者:宗成庆、夏睿、张家俊


关键句:本书列入“中国科学院大学研究生教学辅导书系列”,可作为大学高年级本科生或研究生从事相关研究的入门参考书,也可作为相关技术研发人员阅读参考。


本书阐述了文本数据挖掘的理论模型、实现算法和相关应用,主要内容包括:信息抽取和知识库构建、文本聚类、情感文本分析、热点发现、生物医学文本挖掘和多文档自动摘要等。内容言简意赅,深入浅出,通过实例说明实现相关任务的理论方法和技术思路,而不过多地涉及实现细节。本书可作为大学高年级本科生或研究生从事相关研究的入门参考书,也可供相关技术研发人员阅读参考。


清华大学出版社「学术理工」系列图书(10种)

机器学习

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302423287

作者:周志华


关键句:本书是机器学习领域的经典教材,荣获首届全国教材建设奖全国优秀教材(高等教育类)一等奖,截至2022年已重印三十余次并先后登上多家图书网站计算机类畅销书榜首。


机器学习是计算机科学与人工智能的重要分支领域。本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。全书共16 章,大致分为3 个部分:第1 部分(第1 3 章)介绍机器学习的基础知识;第2 部分(第4 10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11 16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。


清华大学出版社「学术理工」系列图书(10种)

卫星数据中继系统

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302583370

作者:何平江、樊士伟、蔡亚星


关键句:《卫星数据中继系统》属于中国航天科技前沿出版工程•中国航天空间信息技术系列丛书,适合具有大学本科以上学历的通信技术人员阅读和参考。


《卫星数据中继系统》系统地介绍了卫星数据中继系统的基本概念和相关技术,包括系统组成、传输体制、通信协议、信道特性、链路预算以及星间链路捕获跟踪技术;着重描述了中继卫星、地面运控系统和用户终端的组成、功能和性能要求;并结合工程实际,给出了地面站性能测试、用户终端入网验证测试、中继卫星有效载荷在轨测试的一般原理和方法步骤。最后,探讨了卫星数据中继系统的未来发展趋势。


清华大学出版社「学术理工」系列图书(10种)

载人火星任务:火星探测实现技术(第2版)

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302547242

作者:唐纳德·拉普


关键句:本书详细论述了空间任务规划和载人火星任务,为相关领域工作者提供了丰富的技术资料。


载人探测火星将在21世纪下半叶把太阳系内的探测活动推向高潮,它不仅能够提供在火星上寻找生命的方法,也将极大地促进各类航天技术的发展,开启人类空间探测的新纪元。本书主要介绍了载人火星探测任务的目的(包括无人探测和载人探测)、空间活动和任务的规划、火星任务需要重点考虑的关键要素、载人火星探测奔向火星和返回地球的轨道设计、载人火星探测的任务分析以及火星上可用的资源等内容,为关注火星探测的工程师和公众提供了详细和生动的资料。


本书为从事无人火星探测和载人火星任务分析、设计与研究工作的科技人员提供了一套极具使用价值的技术参考资料,也适合航天、深空探测、通信等领域的科研工作者和技术人员参考阅读。


清华大学出版社「学术理工」系列图书(10种)

流量测量手册

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302546870

作者:罗杰·C.贝克


关键句:国内外流量测量领域专家共同呈现,流量测量方法、应用、仪器的实用工具书。


《流量测量手册:工业设计、工作原理、特性以及应用》从流量测量基础讲起,包括流体力学特点、测量不确定度、标定的基本问题。然后介绍了传统和最新的流量测量方法及相关仪器,包括80多种仪器和250多种应用,有较高的工程应用参考价值。书中还提供了大量的参考文献,以供读者查阅、研读。


清华大学出版社「学术理工」系列图书(10种)

托卡马克

清华大学出版社「学术理工」系列图书(10种)

ISBN:9787302591108

作者:约翰·韦森


关键句:核聚变领域公认的权威著作和必读图书。


本书是众多国际聚变学界顶级科学家就各自领域最新研究成果所写的专题汇总,涵盖磁约束聚变方方面面,对每一方面都从原理上阐述了问题的来源和发展,列出了重要公式及其简明推导,给出了重要的数据图表,并简单介绍了重要的装置及其成果,对目前在运行的大型装置和ITER的目标以及取得的进展逐一作了介绍。本书为聚变领域权威易读的专业著作,初学者可以通过本书尽览磁约束聚变全貌,对于从业多年的研究者,本书可起到查阅数据、纵观问题始末的作用。

展开阅读全文

页面更新:2024-02-20

标签:机器人学   火星   人工智能   理工   清华大学出版社   机器   学术   教材   领域   关键   方法   作者   系列   图书   系统

1 2 3 4 5

上滑加载更多 ↓
推荐阅读:
友情链接:
更多:

本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828  

© CopyRight 2008-2024 All Rights Reserved. Powered By bs178.com 闽ICP备11008920号-3
闽公网安备35020302034844号

Top