| | | 基於深度學習的智能礦產資源潛力評價原理與實踐 圖書 | 該商品所屬分類:圖書 -> 工業 | 【市場價】 | 1545-2240元 | 【優惠價】 | 966-1400元 | 【作者】 | 左仁廣熊義輝王子燁等 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
出版社:科學出版社 ISBN:9787030745293 商品編碼:10072971492487 品牌:文軒 出版時間:2023-03-01 代碼:179 作者:左仁廣,熊義輝,王子燁等
" 作 者:左仁廣,熊義輝,王子燁 等 著 定 價:179 出 版 社:科學出版社 出版日期:2023年03月01日 頁 數:228 裝 幀:精裝 ISBN:9787030745293 ●目錄 第1章 緒論 1 1.1 礦產資源潛力評價概述 1 1.2 礦產資源潛力智能評價方法概述 3 1.2.1 智能認知 4 1.2.2 智能學習 5 1.2.3 智能決策 6 1.3 基於深度學習的地球化學異常識別 7 1.4 基於深度學習的礦產資源潛力評價 8 第2章 環境配置與樣本制作 10 2.1 TensorFlow環境配置 10 2.2 數據準備 13 2.3 樣本制作 15 2.4 數據增強 15 2.4.1 基於地質約束的數據增強方法 16 2.4.2 基於random-drop的數據增強方法 17 2.4.3 基於像素對匹配的數據增強方法 20 第3章 卷積神經網絡 22 3.1 卷積神經網絡基本原理 22 3.2 全卷積神經網絡基本原理 24 3.3 參數優化 25 3.4 基於卷積神經網絡的地球化學異常識別 31 3.4.1 案例介紹 31 3.4.2 模型框架 32 3.4.3 模型訓練 32 3.4.4 模型輸出 35 3.5 基於卷積神經網絡的礦產資源潛力評價 36 3.5.1 案例介紹 36 3.5.2 模型框架 37 3.5.3 模型輸入 37 3.5.4 模型訓練 38 3.5.5 模型輸出 38 3.6 基於卷積神經網絡的地質填圖 39 3.6.1 案例介紹 39 3.6.2 模型框架 39 3.6.3 模型輸入 41 3.6.4 模型訓練 41 3.6.5 模型輸出 43 3.7 基於全卷積神經網絡的岩性填圖 44 3.7.1 案例介紹 44 3.7.2 模型框架 44 3.7.3 模型輸入 44 3.7.4 模型訓練 45 3.7.5 模型輸出 45 第4章 循環神經網絡 47 4.1 基本原理 47 4.2 基於循環神經網絡的礦產資源潛力評價 49 4.2.1 案例介紹 49 4.2.2 模型框架 50 4.2.3 模型輸入 50 4.2.4 模型訓練 55 4.2.5 模型輸出 58 第5章 深度自編碼網絡 59 5.1 基本原理 59 5.2 基於深度自編碼網絡的地球化學異常識別 60 5.2.1 案例介紹 60 5.2.2 模型框架 60 5.2.3 模型輸入 61 5.2.4 模型訓練 62 5.2.5 模型輸出 63 5.3 基於深度自編碼網絡的礦產資源潛力評價 65 5.3.1 案例介紹 65 5.3.2 模型框架 65 5.3.3 模型輸入 65 5.3.4 模型訓練 66 5.3.5 模型輸出 67 第6章 生成對抗網絡 68 6.1 基本原理 68 6.2 基於生成對抗網絡的地球化學異常識別 69 6.2.1 案例介紹 69 6.2.2 模型框架 69 6.2.3 模型輸入 71 6.2.4 模型訓練 71 6.2.5 模型輸出 73 第7章 深度信念網絡 74 7.1 基本原理 74 7.2 基於深度信念網絡的地球化學異常識別 75 7.2.1 案例介紹 75 7.2.2 模型框架 75 7.2.3 模型輸入 76 7.2.4 模型訓練 76 7.2.5 模型輸出 77 第8章 深度強化學習 79 8.1 基本原理 79 8.2 基於深度強化學習的礦產資源潛力評價 81 8.2.1 案例介紹 81 8.2.2 模型框架 81 8.2.3 模型參數 83 8.2.4 模型輸入 83 8.2.5 模型訓練 83 8.2.6 模型輸出 85 第9章 圖神經網絡 86 9.1 基本原理 86 9.1.1 拓撲圖構建 86 9.1.2 圖卷積網絡 87 9.1.3 圖注意力網絡 87 9.2 基於圖神經網絡的礦產資源潛力評價 88 9.2.1 案例介紹 88 9.2.2 模型框架 88 9.2.3 模型輸入 89 9.2.4 模型訓練 90 9.2.5 模型輸出 90 第10章 深度自注意力網絡 93 10.1 基本原理 93 10.2 基於深度自注意力網絡的礦產資源潛力評價 94 10.2.1 案例介紹 94 10.2.2 模型框架 94 10.2.3 模型輸入 95 10.2.4 模型訓練 96 10.2.5 模型輸出 100 第11章 基於地質約束的深度學習 101 11.1 地質約束深度學習概述 101 11.2 地質約束深度學習方法構建 102 11.3 基於地質約束深度學習的地球化學異常識別 104 11.3.1 案例介紹 104 11.3.2 模型框架 104 11.3.3 模型輸入 105 11.3.4 模型訓練 105 11.3.5 模型輸出 108 11.4 基於地質約束深度學習的礦產資源潛力評價 109 11.4.1 案例介紹 109 11.4.2 模型框架 109 11.4.3 模型輸入 109 11.4.4 模型訓練 110 11.4.5 模型輸出 110 第12章 計算機集群 112 12.1 計算機集群概述 112 12.2 基於計算機集群和卷積神經網絡的地質填圖 112 12.2.1 案例介紹 112 12.2.2 集群登錄 112 12.2.3 數據上傳和下載 114 12.2.4 程序運行115 12.2.5 作業調度 116 12.2.6 結果輸出 117 第13章 展望 119 13.1 數據與知識雙重驅動的大數據礦產預測 119 13.2 礦產資源潛力評價知識圖譜構建 120 13.3 深度學習模型構建 121 13.4 其他 122 參考文獻 123 附錄134 附錄1 基於滑動窗口的樣本制作代碼 134 附錄2 基於地質約束的數據增強代碼 135 附錄3 基於窗口裁剪的數據增強代碼 137 附錄4 基於random-drop的數據增強代碼 139 附錄5 基於像素對匹配的數據增強代碼 141 附錄6 基於卷積神經網絡的地球化學異常識別代碼 145 附錄7 基於卷積神經網絡的礦產資源潛力評價代碼 156 附錄8 基於卷積神經網絡和勘查地球化學數據的地質填圖代碼 158 附錄9 基於全卷積神經網絡的岩性填圖代碼 161 附錄10 循環神經網絡調參代碼 164 附錄11 基於循環神經網絡的礦產資源潛力評價代碼 167 附錄12 基於深度自編碼網絡的地球化學異常識別代碼 174 附錄13 基於生成對抗網絡的地球化學異常識別代碼 181 附錄14 基於深度信念網絡的地球化學異常識別代碼 191 附錄15 基於深度強化學習的礦產資源潛力評價代碼 195 附錄16 基於圖神經網絡的礦產資源潛力評價代碼 201 附錄17 基於深度自注意力網絡的礦產資源潛力評價代碼 210 附錄18 地質約束變分自編碼網絡代碼 212 本書緊扣人工智能和深地資源探測國際學術前沿,主要介紹礦產資源潛力智能評價的概念和深度學習算法基本原理,重點介紹基於深度學習開展礦產資源潛力評價的具體實施步驟,包括軟件環境配置、數據預處理、樣本制作、模型構建及參數調節與優化等。本書可為解決深度學習用於礦產資源潛力評價中面臨的訓練樣本少、模型構建難、可解釋性差等難題提供方案。同時,本書可使讀者在基於深度學習的礦產資源潛力智能評價方面快速入門,並能根據書中提供的實例,結合自己的數據開展礦產資源潛力智能評價。
" | | | | | |