机读格式显示(MARC)

• 000 02285nam 2200373 450

• 001 0000231837

• 005 20230723105200.0

• 010 __ |a 978-7-111-68861-7 |d CNY149.00

• 100 __ |a 20210906d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a af a 001yy

• 106 __ |a r

• 200 1_ |a 数据驱动的科学和工程 |A shu ju qu dong de ke xue he gong cheng |e 机器学习、动力系统与控制详解 |f (美) 史蒂文·L. 布伦顿, J. 内森·库茨著 |d = Data-driven science and engineering |e machine learning, dynamical systems, and control |f Steven L. Brunton, J. Nathan Kutz |g 王占山, 施展, 刘莹莹译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2021.8

• 215 __ |a xx, 398页, [12] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 国外工业控制与智能制造丛书 |A guo wai gong ye kong zhi yu zhi neng zhi zao cong shu

• 306 __ |a 本书原版由剑桥大学出版社出版 本书简体字中文版由剑桥大学出版社与机械工业出版社合作出版

• 314 __ |a 史蒂文·L. 布伦顿, 美国华盛顿大学机械工程系副教授。J. 内森·库茨, 美国华盛顿大学应用数学系Robert Bolles和Yasuko Endo教授, 曾任应用数学系主任。

• 320 __ |a 有书目 (第367-394页) 和索引

• 330 __ |a 数据驱动的研究给复杂系统的建模、预测和控制带来了技术革新。本书基于数据驱动发现, 将动力系统的建模、控制、优化和数据方法结合起来构筑知识架构, 梳理了机器学习、动力系统和控制之间的内在关系, 初步探索了一种数据驱动发现的智能理论和方法。本书的主题涉及应用优化、降维、机器学习、动力学与控制以及降阶方法。本书从多维度反映了交叉学科研究的特点, 写作深入浅出, 图文并茂, 并提供一些辅助程序。

• 333 __ |a 适合数据科学、数据挖掘和机器学习等专业的高年级本科生和研究生阅读

• 410 _0 |1 2001 |a 国外工业控制与智能制造丛书

• 500 10 |a Data-driven science and engineering : machine learning, dynamical systems, and control |A Data-driven science and engineering : machine learning, dynamical systems, and control |m Chinese

• 517 1_ |a 机器学习、动力系统与控制详解 |A ji qi xue xi 、dong li xi tong yu kong zhi xiang jie

• 606 0_ |a 数据处理 |A shu ju chu li |x 研究

• 690 __ |a TP274 |v 5

• 701 _1 |a 布伦顿 |A bu lun dun |g (Brunton, Steven L.) |4 著

• 701 _1 |a 库茨 |A ku ci |g (Kutz, J. Nathan) |4 著

• 702 _0 |a 王占山 |A wang zhan shan |4 译

• 702 _0 |a 施展 |A shi zhan |4 译

• 702 _0 |a 刘莹莹 |A liu ying ying |4 译

• 801 _0 |a CN |b 湖北三新 |c 20210906

• 905 __ |a GDPTC |d TP274/406