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 |
登入帳戶
| 訂單查詢
| 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 新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類瀏覽雜誌 |
臺灣用戶 |
 |
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 | 服務：香港／台灣／澳門／海外 | 送貨：速遞／郵局／服務站 |  |
在 大書城
以“
全文
模式”搜“
高维 著;
”共有
210
结果：
|
同時支援繁體 / 正體 / 简体字輸入搜索 |
 |
大维随机矩阵理论及其在高维统计中的应用
『简体书』 作者：白志东 出版：中国科学技术大学出版社 日期：2023-11-01 本书是一本汇集了作者四十年研究历程的学术论文集，共包含40篇成果丰富的论文，涵盖了11个方面的研究领域，为读者呈现一个全面而深入的学术视角。该论文集的理论层面涵盖了多种类型的随机矩阵的特征值以及特征向量不同角度的结果，精选论文内容可应用至数理统计、经济金融、信号检测等多个学科及交叉方向，希望能为各个 ... |
詳情>> | |
 |
高维增长2——企业经营的52条黄金法则
『简体书』 作者：刘海峰 出版：电子工业出版社 日期：2024-01-01 不管哪个行业，还是哪家企业，都要顺势借力，不能只看当下和自己的一亩三分地，要顺未来的势，顺周期的势，顺全局的势，借产业的力，借政府的力。当下的问题和困惑，如果只站在当下看，都是无解的。作者通过总结的实践案例和深度思考，总结出企业经营的52条黄金法则，底层逻辑和方法论就是顺势借力。本书是作者服务数千家 ... |
詳情>> | |
 |
高维数据模型的统计学习方法和预测精度评估
『简体书』 作者：胡雪梅 出版：经济科学出版社 日期：2024-02-01 ... |
詳情>> | |
 |
教学隐喻论
『简体书』 作者：高维 著; 出版：中国社会科学出版社 日期：2018-01-01 《教学隐喻论》一书是在作者的博士学位论文《论教学隐喻》的基础上修改而成的。本书包括三个部分。*部分隐喻与教学隐喻讨论了本书的理论基础和概念框架，主要包括隐喻的概念、隐喻的认知观，教学隐喻的概念、特征和生存环境。其中对教学隐喻的生存环境作了教学思想和教学实践的划分。第二部分教学隐喻与教学思想 首先从横 ... |
詳情>> | |
 |
差分进化算法及其高维多目标优化应用
『简体书』 作者：肖婧 许小可 张永建 刘丹凤 出版：人民邮电出版社 日期：2018-02-01 本书从群智能优化算法和高维多目标优化两方面入手，一方面系统地介绍了差分进化算法的基本原理及国内外研究现状，通过分析算法的模型、关键步骤及参数设置，设计和构建了高性能的改进算法，并将其应用于医学图像处理、电子商务等实际工程领域；另一方面，深入分析了高维多目标优化算法的基本原理、国内外研究现状及关键技术 ... |
詳情>> | |
 |
数字文献资源高维聚合模型研究
『简体书』 作者：牛奉高著 出版：中国社会科学出版社 日期：2017-08-01 针对文本挖掘和信息检索中的文本或文献聚类与分类等问题，学术界基于VSM（向量空间模型）主要有两方面的研究，一者是文献表示模型的改进，二者是算法的改进。然而传统的算法对高维稀疏的向量聚类存在不足，一些新的算法也不尽完美，更主要的是聚类算法的效果与数据本身的特征以及信息提取和表示密切相关，特别是在信息有 ... |
詳情>> | |
 |
面板数据模型中的高维检验研究
『简体书』 作者：魏杰 出版：中国经济出版社 日期：2019-07-01 本书的研究受到了国家自然科学基金青年项目时变交互效应面板模型：估计、检验与应用（71803054）和教育部青年基金项目高维面板中的稳健检验及其功效提升（17YJC790159）的资助。在大数据时代背景下，随着微观和宏观层面数字信息的不断丰富完善，面板数据模型在实证研究中正受到日益广泛的重视和应用，各 ... |
詳情>> | |
 |
高维混合效应模型的分位回归方法研究与应用
『简体书』 作者：罗幼喜，李翰芳 出版：经济科学出版社 日期：2019-09-01 全书以高维混合效应模型的分位回归方法为主线, 分别从理论、模拟及实证三方面展开全面系统的研究，全书共六章。*章主要介绍混合效应模型，分位回归方法及其*发展动态；第二章探讨如何从损失函数的角度建立混合效应分位回归模型；第三章则讨论如何在贝叶斯分析的框架下建立混合效应分位回归模型；第四章给出固定效应模型 ... |
詳情>> | |
 |
高维概率及其在数据科学中的应用
『简体书』 作者：[美] 罗曼·韦尔希宁[Roman，Vershynin] 出版：机械工业出版社 日期：2020-05-01 本书全面介绍高维概率的理论、关键工具和现代应用，涵盖Hoeffding不等式和Chernoff不等式等经典结果以及Matrix Bernstein不等式等现代发展，还介绍了基于随机过程的强大方法，包括Slepian、Sudakov和Dudley不等式等工具，以及基于VC维数的通用链和界。全书使用了大 ... |
詳情>> | |
 |
Python高维数据分析
『简体书』 作者：赵煜辉 出版：西安电子科技大学出版社 日期：2020-08-01 本书从矩阵计算如特征值分解和奇异值分解出发，讨论了正规方程的*小二乘法模型引出欠秩线性方程组的求解方法问题；然后介绍了两种有损的降维方法，即主成分分析（主成分回归）和偏*小二乘回归，包括模型、 算法和多个实例，并扩展到线性回归的正则化方法，给出了岭回归和Lasso的原理算法和实例；*后通过红外光谱的 ... |
詳情>> | |
 |
高维数值积分
『简体书』 作者：徐利治，周蕴时 出版：科学出版社有限责任公司 日期：2016-05-01 《高维数值积分典藏版》介绍了高维数值积分的基本方法，其中包括代数方法、数论方法及解析方法。此外，还介绍了高维边界型求积公式的构造方法以及含参变量积分的渐近展开方法，可供计算数学工作者参考。 ... |
詳情>> | |
 |
高维数据非负矩阵分解方法
『简体书』 作者：管乃洋 出版：电子工业出版社 日期：2023-01-01 本书从算法框架入手，建立系列非负矩阵分解模型的抽象数学模型，即非负块配准模型，从统一的角度分析现有的非负矩阵分解模型，并用以开发新的非负矩阵分解模型。根据非负块配准模型的分析，本书提出非负判别局部块配准模型，克服了经典非负矩阵分解模型的缺点，提高了非负矩阵分解模型的分类性能。为了克服经典非负矩阵分解 ... |
詳情>> | |
 |
基于使用理论视角下的二语词汇搭配习得研究
『简体书』 作者：高维 出版：科学出版社 日期： ... |
詳情>> | |
 |
微积分讲稿：高维微积分
『简体书』 作者：夏志刚 出版：复旦大学出版社 日期：2017-03-01 ... |
詳情>> | |
 |
产品思维——从高维视角解构产品世界
『简体书』 作者：开课吧 组编 高玮 阎俊男 武春杰 杨雯雯 编著 出版：机械工业出版社 日期：2021-09-01 本书分为三篇， 分别从行业趋势、 产品思维、 用户需求三个方面解读产品的设计、 定位、 运营， 运用产品思维对 “Ｚ 世代” 的崛起、 “内卷”的状态、 “国潮” 的兴起等进行了深入的剖析。此外， 本书也探讨了产品经理的职业发展和职场生态位。 “万物皆产品”， 产品经理本身也是一种产品， 用产品思维 ... |
詳情>> | |
 |
高维面板数据因子模型：理论、方法与应用
『简体书』 作者：方国斌 出版：经济管理出版社 日期：2022-07-01 ... |
詳情>> | |
 |
战略思维十二讲：影响关键决策的高维认知
『简体书』 作者：周掌柜 出版：人民邮电出版社 日期：2023-01-01 ·2016 年，很多消费电子公司的高层倡导全公司学习作者专栏文章《OPPO 和 vivo 的“人民战争”》； ·2019 年，中国平安董事长马明哲针对周掌柜战略咨询团队的中国平安相关研究写了2000 多字读后感，还通过邮件群发并号召全公司20多万人阅读和学习； ·德国博世、百度、OPPO、荣耀等 ... |
詳情>> | |
 |
高维数据统计学：方法、理论和应用
『简体书』 作者：[瑞]Peter Bühlmann[P.布尔曼]，Sara 出版：世界图书出版公司 日期：2016-08-01 Peter Bhlmann在ETHZ是高维统计、因果推断方面的知名专家。《高维数据统计学》统计学的前沿之作。这本书所针对的高维数据，是理论研究的热点，在实际中也有着广泛的应用。这本书重点阐述了Lasso和其他L1方法的变体，也有boosting等内容。 ... |
詳情>> | |
 |
高维数据的特征选择——理论与算法
『简体书』 作者：刘波，何希平 出版：科学出版社有限责任公司 日期：2016-08-01 《高维数据的特征学习》是根据国家青年基金、重庆市科委、重庆市教委的专项研究结果，系统全面地阐述了最新的高维数据特征学习理论及相应算法。主要通过大间隔理论、迹比trace-ratio理论、自动编码、稀疏编码等方法来研究高维数据（如图像，基因等）的特征选择，特征变换，特征提取等内容。本书将理论与应用 ... |
詳情>> | |
 |
高维数据分析预处理技术
『简体书』 作者：祝琴 出版：社会科学文献出版社 日期：2015-12-01 作者针对高维稀疏数据挖掘问题，从数据预处理的角度，研究对象—属性空间的划分问题，其目的是把所研究的数据挖掘空间分解为若干规模较小的对象—属性空间，从而降低实际数据挖掘的难度。本书针对高维稀疏数据挖掘问题，以降低数据挖掘规模，建立了体系完整的数据预处理理论和方法，具有很强的理论意义和实际应用前景。 ... |
詳情>> | |