|
000
|
01905nam 2200337 450
|
|
001
|
2442045634
|
|
010
|
|
@a978-7-111-73770-4@dCNY69.00
|
|
100
|
|
@a20231221d2023 em y0chiy0120 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a能源系统人工智能方法@Aneng yuan xi tong ren gong zhi neng fang fa@f赵阳 ... [等] 编著
|
|
210
|
|
@a北京@c机械工业出版社@d2023.11
|
|
215
|
|
@a218页@c图@d26cm
|
|
225
|
2
|
@a一流本科专业一流本科课程建设系列教材@Ayi liu ben ke zhuan ye yi liu ben ke ke cheng jian she xi lie jiao cai
|
|
304
|
|
@a题名页题: 赵阳, 范成, 颜承初, 刚文杰编著
|
|
312
|
|
@a英文并列题名取自封面
|
|
314
|
|
@a赵阳, 浙江大学能源工程学院制冷与低温工程研究所研究员, 博士生导师, 浙江省特聘专家。范成, 深圳大学土木与交通工程学院研究员, 长聘副教授, 博士生导师; Elsevier中国高被引学者。
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书主要包含四部分内容, 侧重于从能源领域工程实际和科学研究的需求角度出发, 阐述用人工智能大数据方法解决能源系统问题的知识和方法论。第一部分介绍能源系统信息采集中常见数据类型及其数据预处理方法, 包括适用于能源系统的异常值识别、缺失值处理、数据规范化、数据转换及分割方法等; 第二部分介绍无监督学习方法及其在能源系统工程中的典型应用, 包括聚类分析、关联规则挖掘和知识后挖掘方法; 第三部分介绍监督学习方法及其在能源系统预测建模中的应用要点, 包括特征工程、算法选择、模型优化和模型解读方法; 第四部分介绍能源系统优化方法, 主要从评价指标、建模方法和优化算法等方面讲述能源系统在设计和运行阶段的优化思路及案例。
|
|
410
|
0
|
@12001 @a一流本科专业一流本科课程建设系列教材
|
|
510
|
1
|
@aArtificial intelligence for energy systems@zeng
|
|
586
|
|
@a
|
|
606
|
0
|
@a人工智能@Aren gong zhi neng@x应用@x能源管理系统@x高等学校@j教材
|
|
690
|
|
@aTK018@v5
|
|
701
|
0
|
@a赵阳@Azhao yang@4编著
|
|
701
|
0
|
@a范成@Afan cheng@4编著
|
|
701
|
0
|
@a颜承初@Ayan cheng chu@4编著
|
|
801
|
0
|
@aCN@c20231221
|
|
905
|
|
@dTK018@eZ342@f1@sTK018/Z342@S@Z
|
|
|
|
|
| |
| 能源系统人工智能方法/赵阳 ... [等] 编著.-北京：机械工业出版社，2023.11 |
| 218页：图；26cm.-(一流本科专业一流本科课程建设系列教材) |
| |
| |
| ISBN 978-7-111-73770-4：CNY69.00 |
| 本书主要包含四部分内容, 侧重于从能源领域工程实际和科学研究的需求角度出发, 阐述用人工智能大数据方法解决能源系统问题的知识和方法论。第一部分介绍能源系统信息采集中常见数据类型及其数据预处理方法, 包括适用于能源系统的异常值识别、缺失值处理、数据规范化、数据转换及分割方法等; 第二部分介绍无监督学习方法及其在能源系统工程中的典型应用, 包括聚类分析、关联规则挖掘和知识后挖掘方法; 第三部分介绍监督学习方法及其在能源系统预测建模中的应用要点, 包括特征工程、算法选择、模型优化和模型解读方法; 第四部分介绍能源系统优化方法, 主要从评价指标、建模方法和优化算法等方面讲述能源系统在设计和运行阶段的优化思路及案例。 |
| ● |
正题名：能源系统人工智能方法
索取号：TK018/Z342
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
21616322
|
216163229
|
自科库501/501自科库 135排9列2层/
[索取号:TK018/Z342]
|
在馆
|
|
