书目信息 |
| 题名： |
数学建模
|
|
| 作者： | 秦喜文 主编 | |
| 分册： | ||
| 出版信息： | 北京 清华大学出版社 2024.05 |
|
| 页数： | 240页 | |
| 开本： | 26cm | |
| 丛书名： | 吉林省普通本科高校省级重点教材 | |
| 单 册： | ||
| 中图分类： | O141.4 | |
| 科图分类： | ||
| 主题词： | 数学模型--shu xue mo xing | |
| 电子资源： | ||
| ISBN： | 978-7-302-65237-3 | |
| 000 | 01200nam0 2200265 450 | |
| 001 | 2437788312 | |
| 010 | @a978-7-302-65237-3@dCNY59.00 | |
| 100 | @a20240606d2024 em y0chiy0120 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a数学建模@Ashu xue jian mo@ePython版@f秦喜文主编 |
| 210 | @a北京@c清华大学出版社@d2024.05 | |
| 215 | @a240页@c图@d26cm | |
| 225 | @a吉林省普通本科高校省级重点教材 | |
| 300 | @a吉林省普通本科高校省级重点教材 | |
| 320 | @a有书目 | |
| 330 | @a本书共包含19章, 前两章为基础部分, 分别为数学建模简介和Python简介; 第3-11章为传统建模方法部分, 其中, 第3章和第4章分别介绍运筹优化中的线性规划和非线性规划, 第5章介绍图论, 第6章介绍微分方程, 第7章介绍插值与拟合, 第8章介绍随机模拟, 第9-11章介绍统计方法, 包括回归分析、聚类分析和主成分分析; 第12-19章为智能优化和机器学习部分, 其中, 第12-14章为智能优化, 分别介绍模拟退火算法、遗传算法和粒子群优化算法, 第15-19章为机器学习方法, 分别介绍支持向量机、决策树、随机森林、神经网络和深度学习。 | |
| 586 | @a | |
| 606 | 0 | @a数学模型@Ashu xue mo xing |
| 690 | @aO141.4@v5 | |
| 701 | 0 | @a秦喜文@Aqin xi wen@4主编 |
| 801 | 0 | @aCN@c20240606 |
| 905 | @dO141.4@eQ447@f1@sO141.4/Q447@S@Z | |
| 数学建模：Python版/秦喜文主编.-北京：清华大学出版社，2024.05 |
| 240页：图；26cm.-(吉林省普通本科高校省级重点教材) |
| 吉林省普通本科高校省级重点教材 |
| ISBN 978-7-302-65237-3：CNY59.00 |
| 本书共包含19章, 前两章为基础部分, 分别为数学建模简介和Python简介; 第3-11章为传统建模方法部分, 其中, 第3章和第4章分别介绍运筹优化中的线性规划和非线性规划, 第5章介绍图论, 第6章介绍微分方程, 第7章介绍插值与拟合, 第8章介绍随机模拟, 第9-11章介绍统计方法, 包括回归分析、聚类分析和主成分分析; 第12-19章为智能优化和机器学习部分, 其中, 第12-14章为智能优化, 分别介绍模拟退火算法、遗传算法和粒子群优化算法, 第15-19章为机器学习方法, 分别介绍支持向量机、决策树、随机森林、神经网络和深度学习。 |
| ● |
| 相关链接 |
|
|
|
正题名：数学建模
索取号：O141.4/Q447
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 21614109 | 216141093 | 自科库401/401自科库 40排3列3层/ [索取号:O141.4/Q447] | 在馆 |