新書推薦：
《
谈鬼说神
》
售價：HK$
398.2
《
走出秦制：清末民初六十年（慈禧、奕?、李鸿章、张之洞、袁世凯、康有为、梁启超、宋教仁等对中国前途的思
》
售價：HK$
129.8
《
古典与文明·独尊儒术前夕的思想争锋：汉初“前经学时代”研究
》
售價：HK$
99.0
《
史记 全六册
》
售價：HK$
437.8
《
图解计算机科学数学基础（原书第3版）
》
售價：HK$
130.9
《
柏拉图《理想国》指南（想读《理想国》，一直看不懂？这本书就是你的哲学通关攻略）
》
售價：HK$
87.8
《
你的代谢还好吗：控制“五高”饮食运动法
》
售價：HK$
54.8
《
战国史料编年辑证（全二册）（杨宽著作集）
》
售價：HK$
272.8
|
| 編輯推薦： |
1.中信科产业学院《机器学习与智能网络优化》课程指定教材，探讨了基于群体智能技术的基站智能节能业务，帮助读者进一步拓展知识边界。
2.作者是来自天津职业技术学院等多所高职院校的一线教师，熟知教学需求，既可作为高等院校通信工程、电子信息、人工智能、计算机科学等相关专业的教材，也可供从事信息通信网络技术相关工作的专业人士参考。
3.本书注重理论与实践相结合，将理论知识应用于实际工作中，能够满足企业的相关培训需求。
|
| 內容簡介： |
本书主要分为3部分。第一部分为第1～5章，介绍机器学习的基础知识，包括机器学习的基本概念、监督学习和无监督学习的主要算法、特征工程的技术，并探讨机器学习在通信网络优化中的应用，涵盖速率提升等无线网络优化方面的内容。第二部分为第6～8章，深入讲解深度学习与大模型、模型加速等高级技术，并探讨深度学习和大模型在通信网络优化中的应用。第三部分为第9～10章，介绍群体智能和技术，并探讨了基于群体智能技术的基站智能节能业务，帮助读者进一步拓展知识边界。 來源：香港大書城megBookStore,http://www.megbook.com.hk
本书既可作为高等院校通信工程、电子信息、人工智能、计算机科学等相关专业的教材，也可供从事信息通信网络技术相关工作的专业人士参考。对于对机器学习和网络优化感兴趣的自学者来说，本书也是一本不可多得的自学指南。
|
| 關於作者： |
|
孙中亮，中信科移动通信技术股份有限公司教育业务总监、高级工程师。全国工业和信息化职业教育教学指导委员会通信职业教育教学指导分委员会专业建设专门工作委员会委员。一直致力于通信技术研究、移动通信产品开发测试及通信网络运维工作，具有通信工程项目全交付周期管理经验。完成协同育人项目申报立项100余项，主持完成3G/4G/5G移动通信工程关键技术验证项目11项。申请发明专利26篇。开发教材7部。
|
| 目錄：
|
第1章 绪论1
1.1 机器学习概述1
1.1.1 机器学习的概念1
1.1.2 机器学习的类型2
1.1.3 机器学习的流程3
1.1.4 机器学习算法分类5
1.1.5 机器学习工具—— sklearn5
1.2 智能网络优化10
1.2.1 无线网络优化10
1.2.2 机器学习在无线网络优化中的应用14
1.2.3 智能网络优化平台15
1.3 本章小结17
第2章 监督学习18
2.1 线性回归18
2.2 逻辑斯谛回归22
2.3 决策树24
2.4 集成学习30
2.5 朴素贝叶斯36
2.6 K最邻近算法41
2.7 模型评估和选择44
2.7.1 训练误差与过拟合44
2.7.2 评估方法45
2.7.3 性能度量46
2.7.4 模型选择47
2.8 模型调参47
2.9 本章小结51
第3章 无监督学习53
3.1 聚类的基本概念53
3.1.1 聚类的定义53
3.1.2 聚类和分类的区别53
3.1.3 聚类算法的类别54
3.2 K均值聚类算法55
3.3 层次聚类算法58
3.4 离群点检测61
3.5 本章小结64
第4章 特征选择与提取65
4.1 特征选择65
4.1.1 过滤法66
4.1.2 包装法67
4.1.3 嵌入法68
4.2 特征提取与降维68
4.2.1 特征提取与降维的概念69
4.2.2 特征提取与降维的常用方法69
4.2.3 PCA70
4.3 本章小结73
第5章 基于机器学习的速率提升专题分析74
5.1 速率提升实验背景74
5.2 特征选择与提取76
5.3 模型训练和评估79
5.4 问题分析及优化方案设计81
5.5 本章小结85
第6章 深度学习86
6.1 深度神经网络86
6.2 卷积神经网络97
6.2.1 从神经网络到深度学习97
6.2.2 卷积神经网络98
6.2.3 卷积神经网络的实例LeNet-5105
6.3 循环神经网络107
6.4 Transformer模型110
6.5 深度学习框架125
6.5.1 PyTorch简介126
6.5.2 PyTorch构建神经网络127
6.5.3 PyTorch GPU加速130
6.5.4 PyTorch实战案例131
6.6 本章小结135
第7章 模型部署和加速技术136
7.1 模型部署136
7.2 模型加速技术139
7.2.1 模型量化140
7.2.2 知识蒸馏146
7.2.3 模型剪枝152
7.3 本章小结160
第8章 基于深度学习的接入优化专题分析162
8.1 接入优化实验背景162
8.2 特征选择与提取164
8.3 模型训练和评估165
8.4 问题分析及优化方案设计167
8.5 本章小结171
第9章 群体智能172
9.1 群体智能概述172
9.1.1 群体智能产生的背景172
9.1.2 群体智能算法的优缺点和应用场景173
9.2 遗传算法173
9.2.1 遗传算法的基本思想174
9.2.2 遗传算法的原理175
9.3 蚁群算法182
9.3.1 蚂蚁觅食习性182
9.3.2 蚁群算法的介绍182
9.3.3 蚁群算法的参数选择184
9.4 粒子群算法185
9.4.1 粒子群算法简介185
9.4.2 粒子群算法的基本原理186
9.4.3 粒子群算法的参数分析187
9.5 本章小结188
第10章 5G网络智能节能实践190
10.1 5G网络智能节能概述190
10.2 基站节能策略191
10.3 基于群体智能的基站智能节能业务192
10.4 本章小结195
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
