|
000
|
01999nam 2200325 450
|
|
001
|
93417
|
|
005
|
20250819085727.48
|
|
010
|
|
@a978-7-03-079670-7@b精装@dCNY198.00
|
|
099
|
|
@aCAL 012025012787
|
|
100
|
|
@a20250225d2024 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a人工智能算法在数值求解复杂系统中的应用@Aren gong zhi neng suan fa zai shu zhi qiu jie fu za xi tong zhong de ying yong@f侯木舟, 刘小伟, 熊力著
|
|
210
|
|
@a北京@c科学出版社@d2024.12
|
|
215
|
|
@axi, 314页@c图@d25cm
|
|
225
|
2
|
@a新一代人工智能理论、技术及应用丛书@Axin yi dai ren gong zhi neng li lun 、 ji shu ji ying yong cong shu
|
|
300
|
|
@a国家出版基金项目“十四五”时期国家重点出版物出版专项规划项目
|
|
314
|
|
@a侯木舟, 中南大学数学科学与计算技术学院 教授, 博士生导师。研究方向, 支持向量机 (SVM)、数据挖掘、小波分析、最优化、数学建模、智能算法、软件开发 (数学院网站为本人的作品)。主讲课程/工作岗位, 数学模型, 信息论与编码, 数字图像处理、数据结构、算法分析与设计、操作系统原理、计算机网络原理、面向对象程序设计、软件工程。
|
|
320
|
|
@a有书目 (第298-314页)
|
|
330
|
|
@a本书以较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及最新进展。首先从人工智能与机器学习的基础算法开始讲解, 包括最基础的反向传播神经网络模型和一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入, 分别介绍常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究反向传播神经网络、极限学习机算法、最小二乘支持向量机算法以及深度学习算法如何用于数值求解复杂系统中的微分方程。相较于经典的基于迭代算法的微分方程数值计算方法, 这些基于人工智能与深度学习的计算方法可以更加高效且更加准确地得到复杂系统的数值解。
|
|
410
|
0
|
@12001 @a新一代人工智能理论、技术及应用丛书
|
|
606
|
0
|
@a人工智能@Aren gong zhi neng@x算法@x研究
|
|
690
|
|
@aTP183@v5
|
|
701
|
0
|
@a侯木舟@Ahou mu zhou@4著
|
|
701
|
0
|
@a刘小伟@Aliu xiao wei@4著
|
|
701
|
0
|
@a熊力@Axiong li@4著
|
|
801
|
0
|
@aCN@c20250909
|
|
905
|
|
@a河南城建学院图书馆@dTP183@eH426@f1
|
|
|
|
|
| |
| 人工智能算法在数值求解复杂系统中的应用/侯木舟, 刘小伟, 熊力著.-北京：科学出版社，2024.12 |
| xi, 314页：图；25cm.-(新一代人工智能理论、技术及应用丛书) |
| 国家出版基金项目“十四五”时期国家重点出版物出版专项规划项目 |
| |
| ISBN 978-7-03-079670-7(精装)：CNY198.00 |
| 本书以较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及最新进展。首先从人工智能与机器学习的基础算法开始讲解, 包括最基础的反向传播神经网络模型和一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入, 分别介绍常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究反向传播神经网络、极限学习机算法、最小二乘支持向量机算法以及深度学习算法如何用于数值求解复杂系统中的微分方程。相较于经典的基于迭代算法的微分方程数值计算方法, 这些基于人工智能与深度学习的计算方法可以更加高效且更加准确地得到复杂系统的数值解。 |
| ● |
正题名：人工智能算法在数值求解复杂系统中的应用
索取号：TP183/H426
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1627375
|
216273752
|
自科库301/301自科库 39排5列3层/
[索取号:TP183/H426]
|
在馆
|
|
