购物车中还没有商品,赶紧选购吧!
机器学习及其在航空航天工程中的应用 范雨 张浩鹏 高等教育出版社
商品价格
定价
手机购买
商品二维码
配送
北京市
数量

推荐商品

  • 商品详情
手机购买
商品二维码
价格:
数量:
库存   个

商品详情

商品名称:机器学习及其在航空航天工程中的应用
ISBN:9787895309425
出版社:高等教育出版社
出版年月:2024-09
作者:范雨 张浩鹏
定价:40.00
页码
装帧
版次:1版1次
字数:800
开本
套装书:否

2.数字教材使用说明 (2).jpg

云创数字教材平台:https://etextbook.hep.com.cn/ 


本书是航空航天战略性新兴领域“十四五”高等教育教材体系建设规划项目的研究成果,以航空航天相关应用场景为牵引,讲解数值计算和机器学习的基本算法和核心思想,并给出其在实际工程和科研中的应用例子。全书分为四个部分。第一部分为第一至三章,建立基本概念,提供Python基础知识,为后续编程实践打好基础。第二部分为第四至十章,介绍数值分析方法,包括方程求解,求微分、解微分方程、插值、拟合、寻优等,这些内容也是航空航天领域算法工程师必须掌握的。第三部分为第十一至十六章,介绍基本机器学习方法,包括K近邻、K均值、支持向量机和神经网络等算法。第四部分为第十七章至二十三章,我们进入一个更“实战”的层次,通过数字孪生模型、寿命预测、空间目标分类等例子,将读者代入一个个航空航天工程场景中,体会所学算法的威力,培养同学将复杂工程问题抽象为机器学习算法模型的能力。在编写过程中,贯彻“空谈无益,动手实践”这一教学理念。除了剖析各算法数学结构,还给出核心实现的示例代码。在课后作业中,同学将亲自动手,对示例代码进行一定的拓展,切实培养实践能力,获得更多探索的乐趣。本书可作为高等学校高等院校飞行器动力工程、空天智能电推进技术等专业本科生的教材或参考书,也可供航空航天工业部门设计、研究人员参考。

前言
第1章 绪论
  1.1 引言
  1.2 机器学习概述
  1.3 机器学习的模型
  1.4 机器学习的发展历史
  1.5 开发环境/软件平台
第2章 模型评估与误差分析
  2.1 背景介绍
  2.2 误差分析
  2.3 过拟合与欠拟合
  2.4 算法实例
  2.5 课后习题
第3章 用Python做计算的基础
  3.1 Python简介
  3.2 Numpy简介
  3.3 Scipy简介
  3.4 Matplotlib简介
  3.5 Pandas简介
第4章 解线性方程组
  4.1 背景介绍
  4.2 问题定义
  4.3 求解算法:高斯消去法
  4.4 算法代码详解
  4.5 测试代码详解
  4.6 在成熟第三方库中的相应函数
  4.7 课后习题
第5章 解非线性方程
  5.1 背景介绍
  5.2 问题定义
  5.3 求解算法
  5.4 算法代码详解
  5.5 测试代码详解
  5.6 在成熟第三方库中的相应函数
  5.7 课后习题
第6章 插值
  6.1 背景介绍
  6.2 问题定义
  6.3 求解算法
  6.4 算法代码详解
  6.5 测试代码详解
  6.6 在成熟第三方库中的相应函数
  6.7 课后习题
第7章 数值微分
  7.1 背景介绍
  7.2 问题定义
  7.3 求解算法
  7.4 算法代码详解
  7.5 测试代码详解
  7.6 在成熟第三方库中的相应函数
  7.7 课后习题
第8章 解常微分方程
  8.1 背景介绍
  8.2 问题定义
  8.3 求解算法
  8.4 算法代码详解
  8.5 测试代码详解
  8.6 在成熟第三方库中的相应函数
  8.7 课后习题
第9章 拟合
  9.1 背景介绍
  9.2 问题定义
  9.3 求解算法
  9.4 算法代码详解
  9.5 测试代码详解
  9.6 在成熟第三方库中的相应函数
  9.7 课后习题
第10章 寻优
  10.1 背景介绍
  10.2 问题定义
  10.3 求解算法
  10.4 算法代码详解
  10.5 测试代码详解
  10.6 在成熟第三方库中的相应函数
  10.7 课后习题
第11章 分类问题
  11.1 背景介绍
  11.2 监督学习:K近邻算法
  11.3 无监督学习:K均值算法
  11.4 算法设计
  11.5 代码实现
  11.6 示例讲解
  11.7 课后习题
第12章 支持向量机
  12.1 背景介绍
  12.2 监督学习
  12.3 支持向量机
  12.4 算法设计
  12.5 代码实现
  12.6 示例讲解
  12.7 课后习题
第13章 核函数
  13.1 回顾:线性支持向量机
  13.2 核函数:针对非线性分类问题
  13.3 算法设计
  13.4 代码实现
  13.5 示例讲解
  13.6 课后习题
第14章 逻辑回归
  14.1 回顾与引入
  14.2 逻辑回归:非线性拟合
  14.3 算法设计
  14.4 代码实现
  14.5 示例讲解
  14.6 课后习题
第15章 神经网络
  15.1 回顾与引入
  15.2 神经网络
  15.3 参数优化
  15.4 示例讲解
  15.5 课后习题
第16章 卷积神经网络
  16.1 图像基础
  16.2 卷积神经网络
  16.3 示例讲解
  16.4 课后习题
第17章 机器学习算法的应用现状与展望
  17.1 机器学习算法的商业应用
  17.2 机器学习在航空发动机中的应用
第18章 航空发动机叶盘结构数字孪生模型
  18.1 摘要
  18.2 案例背景
  18.3 失谐叶盘数字孪生模型的建模方法
  18.4 失谐叶盘原始数据的来源和获取
  18.5 分析结果和讨论
  18.6 应用展望
  18.7 参考文献
第19章 航空发动机的寿命预测
  19.1 摘要
  19.2 案例背景
  19.3 方法
  19.4 原始数据的来源和获取
  19.5 分析结果及讨论
  19.6 应用展望
  19.7 参考文献
第20章 空间目标分类与姿态估计
  20.1 摘要
  20.2 案例背景
  20.3 方法原理
  20.4 原始数据的来源和获取
  20.5 分析结果及讨论
  20.6 应用展望
  20.7 参考文献
第21章 深度学习模型在航天遥感数据处理与解译中的应用
  21.1 摘要
  21.2 案例背景
  21.3 方法
  21.4 原始数据的来源和获取
  21.5 分析结果及讨论
  21.6 应用展望
  21.7 参考文献
第22章 航空发动机高温结构强度与寿命数据驱动评估方法
  22.1 摘要
  22.2 案例背景
  22.3 缺口疲劳寿命数据的来源和获取
  22.4 针对高温结构缺口疲劳提出的PIML框架
  22.5 分析结果及讨论
  22.6 应用展望
  22.7 参考文献
第23章 流动结构隐式内嵌的可解释稀疏混合专家气动模型
  23.1 摘要
  23.2 气动力数据建模的现状及需求
  23.3 ISMoE模型介绍
  23.4 ISMoE模型在典型气动数据集上的应用
  23.5 应用展望
  23.6 参考文献

对比栏

1

您还可以继续添加

2

您还可以继续添加

3

您还可以继续添加

4

您还可以继续添加