编辑推荐
本书面向初学者介绍智能计算的相关概念、典型应用。
内容简介
本书采用研究性学习方法和P-MASE模型，按照引入问题、寻找方法、问题分析、问题求解、效果评价的模式，讲授智能计算编程、数据获取和预处理、数据可视化、预测数据的值、分类问题、聚类分析、神经网络、智能图像识别、时间序列数据的处理等知识，并给出了两个综合案例。
章节目录
版权信息
前言
第1章 智能计算概述
1.1 人工智能与智能计算
1.1.1 人工智能
1.1.2 智能计算时代与学科融合
1.1.3 “新医科”与智能计算
1.1.4 智能计算时代的其他典型应用
1.2 培养“新医科”学生的素养
1.2.1 “新医科”学生的基本素养
1.2.2 科学、技术与工程
1.2.3 科研方法与工程方法
1.2.4 智能计算素养
1.3 研究性学习方法与P-MASE模型
1.3.1 研究性学习与学习方法
1.3.2 P-MASE模型
参考文献
第2章 智能计算编程基础
2.1 引入问题
2.1.1 问题描述
2.1.2 问题归纳
2.2 寻找方法
2.2.1 Python编程环境
2.2.2 Python编程基础
2.2.3 Python的内置模块和第三方工具包
2.3 问题分析
2.4 问题求解
2.5 效果评价
参考文献
第3章 数据获取和预处理
3.1 引入问题
3.1.1 问题描述
3.1.2 问题归纳
3.2 寻找方法
3.2.1 数据的类别
3.2.2 数据采集方法
3.2.3 数据预处理
3.2.4 数据变换
3.3 问题分析
3.4 问题求解
3.4.1 利用爬虫代码进行数据采集
3.4.2 利用数据采集工具进行数据采集
3.5 效果评价
参考文献
第4章 数据可视化
4.1 引入问题
4.1.1 问题描述
4.1.2 问题归纳
4.2 寻找方法
4.2.1 数据的统计特征和可视特征
4.2.2 数据可视化的基本要素
4.2.3 数据可视化工具
4.2.4 数据可视化方法
4.3 问题分析
4.4 问题求解
4.5 效果评价
参考文献
第5章 预测数据的值
5.1 引入问题
5.1.1 问题描述
5.1.2 问题归纳
5.2 寻找方法
5.2.1 回归分析的基本原理
5.2.2 线性回归
5.2.3 常用的回归模型评估方法
5.2.4 使用Python实现线性回归
5.2.5 多项式回归
5.3 问题分析
5.4 问题求解
5.4.1 加载数据
5.4.2 分析数据特征及预处理
5.4.3 建立线性回归预测模型
5.5 效果评价
参考文献
第6章 判断对象属于哪一类
6.1 引入问题
6.1.1 问题描述
6.1.2 问题归纳
6.2 寻找方法
6.2.1 分类问题及常用算法
6.2.2 利用Python求解分类问题
6.3 问题分析
6.4 问题求解
6.4.1 确定问题特征
6.4.2 数据采集与预处理
6.4.3 选择分类模型
6.4.4 预测新样本
6.5 效果评价
参考文献
第7章 将对象划分为不同的类别
7.1 引入问题
7.1.1 问题描述
7.1.2 问题归纳
7.2 寻找方法
7.2.1 聚类问题概述
7.2.2 k-means算法简介
7.2.3 k-means聚类算法的实现
7.2.4 k-means算法中类簇数量k的选取
7.2.5 调用工具包实现k-means聚类
7.3 问题分析
7.4 问题求解
7.4.1 二维数据聚类
7.4.2 三维数据聚类
7.5 效果评价
参考文献
第8章 让计算机像人脑一样思考
8.1 引入问题
8.1.1 问题描述
8.1.2 问题归纳
8.2 寻找方法
8.2.1 生物神经网络
8.2.2 人工神经网络
8.2.3 BP人工神经网络
8.2.4 Python中的人工神经网络
8.3 问题分析
8.4 问题求解
8.4.1 确定问题特征
8.4.2 收集特征数据及数据预处理
8.4.3 神经网络分类预测模型
8.5 效果评价
参考文献
第9章 如何让计算机看懂图像
9.1 引入问题
9.1.1 问题描述
9.1.2 问题归纳
9.2 寻找方法
9.2.1 生物医学图像分类的基本实现方法
9.2.2 深度学习基础
9.2.3 卷积神经网络的原理
9.2.4 几种典型的深度卷积神经网络模型
9.2.5 Python中的图像分类
9.3 问题分析
9.4 问题求解
9.4.1 确定生物识别采用的技术方案
9.4.2 训练数据集的获取
9.4.3 对图像数据进行预处理
9.4.4 构建VGGNet-16神经网络模型
9.4.5 使用训练好的神经网络模型对图像文件进行分类
9.5 效果评价
参考文献
第10章 处理时间序列数据
10.1 引入问题
10.1.1 问题描述
10.1.2 问题归纳
10.2 寻找方法
10.2.1 时间序列预测
10.2.2 循环神经网络
10.3 问题分析
10.3.1 匈牙利每周水痘病例数据集
10.3.2 数据处理方法
10.4 问题求解
10.4.1 数据读取
10.4.2 数据预处理
10.4.3 构建模型
10.4.4 训练模型
10.5 效果评价
参考文献
第11章 淋巴造影分类预测综合案例
11.1 引入问题
11.1.1 问题描述
11.1.2 数据描述
11.2 寻找方法
11.2.1 数据预处理方法
11.2.2 分类预测方法
11.3 问题分析
11.3.1 加载数据集
11.3.2 查看数据分布
11.3.3 分析属性与标签结果的相关性
11.4 问题求解
11.4.1 数据预处理
11.4.2 建立神经网络模型
11.5 效果评价
参考文献
第12章 胸部CT影像检测综合案例
12.1 引入问题
12.1.1 问题描述
12.1.2 数据描述
12.2 寻找方法
12.2.1 VGGNet-16
12.2.2 ResNet神经网络
12.3 问题分析
12.4 问题求解
12.4.1 加载数据集并预处理图像
12.4.2 建立VGGNet-16模型
12.4.3 训练VGGNet-16模型
12.4.4 模型评价
12.5 效果评价
参考文献
智能计算技术与应用是2024年由机械工业出版社出版,作者李敏 主编。
得书感谢您对《智能计算技术与应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
