同类推荐
-
-
材料分析方法 第5版
-
¥79.00
-
-
材料分析方法 第5版
-
¥79.00
-
-
材料分析方法 第5版
-
¥79.00
-
-
无机材料科学基础（史才军）
-
¥69.00
-
-
无机材料科学基础（史才军）
-
¥69.00
-
-
无机材料科学基础（史才军）
-
¥69.00
-
-
材料表面与界面
-
¥98.00
-
-
材料表面与界面
-
¥98.00
-
-
材料表面与界面
-
¥98.00
-
-
材料合成与制备（张以河）
-
¥59.00
|
|
图书信息
|
|
|
|
材料信息学导论(中):高等机器学习:advanced machine learning
|
| ISBN： | 9787030863430 |
定价： | ￥358.00 |
| 作者： | 张统一著 |
出版社： | 科学出版社 |
| 出版时间： | 2026年01月 |
开本： | 24cm |
| 页数： | 2册(18,12,905页) |
中图法： | TB30 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
北京人天书店有限公司
|
1
|
泰安展厅库
|
2026-10-21
|
|
其它供货商库存合计
|
214
|
|
2026-10-21
|
图书简介 | | 本书第1章和第2章分别描述了经典的全局贝叶斯优化和群体优化算法，并讲解了帕累托前沿。第3章迁移学习和多任务学习通过整合多个源域的数据能够提高AI模型的鲁棒性。迁移学习和多任务学习中即使用了许多经典机器学习算法，也使用了大量深度学习算法。本书的第4-9章都是关于深度学习的，包括第4章的卷积神经网络(CNNs)、第5章的递归神经网络(RNNs)和长短期记忆网络(LSTMs)、第6章的图神经网络(GNN)、第7章的生成对抗网络(GANs)、第8章的扩散模型、第9章的Transformers以及第10章的物理信息神经网络(PINN)。除了监督学习和无监督学习，强化学习(RL)被视为第三种机器学习范式，因此第11章介绍了强化学习和深度强化学习。 |
|