免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

目錄
前言
第1章 緒論 1
1.1 人工智能發(fā)展歷程 1
1.1.1 第1次浪潮(20世紀(jì)50年代中期～60年代中期) 2
1.1.2 第1次低谷(20世紀(jì)60年代中期～70年代中期) 2
1.1.3 第2次浪潮(20世紀(jì)70年代中期～80年代中期) 2
1.1.4 第2次低谷(20世紀(jì)80年代中期～90年代中期) 3
1.1.5 第3次浪潮(20世紀(jì)90年代中期至今) 3
1.2 人工智能海洋學(xué)發(fā)展歷程 5
1.2.1 海洋特征智能識(shí)別 6
1.2.2 海洋參數(shù)智能預(yù)測(cè) 6
1.2.3 動(dòng)力參數(shù)智能估算 7
1.2.4 海洋智能化探測(cè) 7
1.3 本書(shū)的結(jié)構(gòu)和基本內(nèi)容 8
第2章 海洋大數(shù)據(jù)簡(jiǎn)介 10
2.1 大數(shù)據(jù)概況 10
2.2 海洋大數(shù)據(jù)的發(fā)展歷程 10
2.2.1 海洋數(shù)據(jù)的初步積累階段 11
2.2.2 海洋數(shù)據(jù)的進(jìn)一步積累階段 12
2.2.3 海洋數(shù)據(jù)的大量積累階段 13
2.3 海洋大數(shù)據(jù)的定義及特征 14
2.3.1 海洋大數(shù)據(jù)的定義 14
2.3.2 海洋大數(shù)據(jù)的特征 14
2.4 海洋大數(shù)據(jù)的數(shù)據(jù)來(lái)源 15
2.4.1 海洋實(shí)測(cè)數(shù)據(jù) 15
2.4.2 海洋遙感數(shù)據(jù) 18
2.4.3 海洋模式數(shù)據(jù) 21
2.5 海洋大數(shù)據(jù)的處理分析 23
2.5.1 海洋大數(shù)據(jù)的存儲(chǔ)與管理 23
2.5.2 海洋大數(shù)據(jù)分析挖掘技術(shù) 24
2.5.3 海洋大數(shù)據(jù)可視化技術(shù) 24
2.6 常用海洋大數(shù)據(jù)平臺(tái) 25
2.6.1 海洋科學(xué)大數(shù)據(jù)中心 25
2.6.2 美國(guó)國(guó)家數(shù)據(jù)浮標(biāo)中心 26
2.6.3 歐洲海洋觀測(cè)和數(shù)據(jù)網(wǎng)絡(luò) 26
2.6.4 日本氣象廳平臺(tái) 27
2.7 一種常用的海洋大數(shù)據(jù)管理系統(tǒng) 27
2.7.1 為什么需要Hadoop 27
2.7.2 HDFS 29
2.7.3 MapReduce 31
2.7.4 Hadoop的部署 32
思考練習(xí)題 37
第3章 Python語(yǔ)言 38
3.1 安裝與運(yùn)行 38
3.1.1 安裝Anaconda 38
3.1.2 安裝PyCharm 41
3.2 基本變量類(lèi)型 42
3.2.1 數(shù)字與運(yùn)算 43
3.2.2 字符串 44
3.2.3 列表 44
3.2.4 字典 46
3.3 函數(shù)和類(lèi) 48
3.3.1 函數(shù) 48
3.3.2 類(lèi) 48
3.4 循環(huán)與判斷 51
3.5 庫(kù) 52
3.5.1 Numpy 52
3.5.2 Matplotlib 55
3.5.3 NetCDF 69
3.5.4 Xarray 69
3.5.5 Cartopy 72
3.5.6 TensorFlow 73
思考練習(xí)題 76
第4章 人工智能基礎(chǔ) 79
4.1 人工智能基本概念 79
4.1.1 數(shù)據(jù)集劃分方法 79
4.1.2 分類(lèi)問(wèn)題評(píng)價(jià)指標(biāo) 80
4.1.3 回歸問(wèn)題評(píng)價(jià)指標(biāo) 82
4.2 BP神經(jīng)網(wǎng)絡(luò) 82
4.2.1 神經(jīng)網(wǎng)絡(luò)基本概念 83
4.2.2 M-P模型 84
4.2.3 感知機(jī)模型 85
4.2.4 BP神經(jīng)網(wǎng)絡(luò) 87
4.3 其他神經(jīng)網(wǎng)絡(luò) 90
4.3.1 前饋神經(jīng)網(wǎng)絡(luò) 90
4.3.2 模糊神經(jīng)網(wǎng)絡(luò) 91
4.3.3 徑向基神經(jīng)網(wǎng)絡(luò) 93
4.4 上機(jī)實(shí)驗(yàn)：搭建BP神經(jīng)網(wǎng)絡(luò) 95
4.4.1 數(shù)據(jù)準(zhǔn)備 96
4.4.2 模型搭建 96
4.4.3 結(jié)果檢驗(yàn) 97
思考練習(xí)題 100
第5章 深度學(xué)習(xí) 101
5.1 深度學(xué)習(xí)入門(mén) 101
5.2 深度學(xué)習(xí)的特征 102
5.3 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)結(jié)構(gòu) 104
5.3.1 數(shù)據(jù)輸入層 104
5.3.2 卷積層 105
5.3.3 池化層 107
5.3.4 全連接層 109
5.4 常用的4類(lèi)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu) 109
5.4.1 LeNet5 110
5.4.2 AlexNet 111
5.4.3 VGG 114
5.4.4 ResNet 115
5.5 基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分割 118
5.5.1 圖像處理的不同層次 118
5.5.2 全卷積神經(jīng)網(wǎng)絡(luò) 120
5.5.3 DeepLab系列模型 123
5.5.4 PSPNet 127
5.6 上機(jī)實(shí)驗(yàn)：搭建卷積神經(jīng)網(wǎng)絡(luò) 129
5.6.1 模型搭建 129
5.6.2 結(jié)果檢驗(yàn) 131
思考練習(xí)題 133
第6章 循環(huán)神經(jīng)網(wǎng)絡(luò) 134
6.1 循環(huán)神經(jīng)網(wǎng)絡(luò) 134
6.2 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 137
6.2.1 LSTM的內(nèi)部結(jié)構(gòu) 137
6.2.2 LSTM的“門(mén)”結(jié)構(gòu) 138
6.3 門(mén)控循環(huán)單元 141
6.3.1 GRU的網(wǎng)絡(luò)結(jié)構(gòu) 141
6.3.2 重置門(mén)和更新門(mén) 142
6.3.3 候選隱藏狀態(tài) 142
6.3.4 隱藏狀態(tài) 143
6.4 雙向網(wǎng)絡(luò)結(jié)構(gòu) 145
6.4.1 雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 145
6.4.2 雙向門(mén)控循環(huán)單元 146
6.5 上機(jī)實(shí)驗(yàn)：搭建循環(huán)神經(jīng)網(wǎng)絡(luò) 147
6.5.1 數(shù)據(jù)準(zhǔn)備與模型搭建 147
6.5.2 結(jié)果檢驗(yàn) 149
思考練習(xí)題 151
第7章 海洋特征智能識(shí)別 152
7.1 海洋渦旋與智能識(shí)別 152
7.1.1 海洋渦旋 152
7.1.2 基于PSPNet算法的海洋渦旋智能識(shí)別 153
7.1.3 不同人工智能算法在海洋渦旋識(shí)別應(yīng)用中的比較 160
7.2 海洋內(nèi)波與智能識(shí)別 166
7.2.1 海洋內(nèi)波 166
7.2.2 海洋內(nèi)波的智能識(shí)別 168
7.3 海表溢油與智能監(jiān)測(cè) 170
7.3.1 海表溢油 170
7.3.2 海表溢油監(jiān)測(cè) 172
7.3.3 海表溢油的智能監(jiān)測(cè) 172
7.4 海冰與智能探測(cè) 176
7.4.1 海冰 176
7.4.2 海冰探測(cè) 177
7.4.3 海冰智能探測(cè) 177
7.5 海洋藻類(lèi)與智能識(shí)別 180
7.5.1 海洋藻類(lèi) 180
7.5.2 海洋藻類(lèi)的智能識(shí)別 181
7.6 海上船只與智能監(jiān)測(cè) 183
7.6.1 海上船只監(jiān)測(cè) 183
7.6.2 海上船只智能監(jiān)測(cè) 184
7.7 上機(jī)實(shí)驗(yàn)：語(yǔ)義分割識(shí)別海洋渦旋 187
7.7.1 數(shù)據(jù)準(zhǔn)備 187
7.7.2 模型識(shí)別 189
7.7.3 結(jié)果顯示 193
思考練習(xí)題 197
第8章 海洋參數(shù)智能預(yù)測(cè) 198
8.1 海洋氣候預(yù)測(cè) 198
8.2 近岸風(fēng)暴潮智能預(yù)測(cè) 201
8.2.1 風(fēng)暴潮單點(diǎn)水位智能預(yù)測(cè) 202
8.2.2 風(fēng)暴潮漫灘過(guò)程智能預(yù)測(cè) 206
8.3 海洋波浪智能預(yù)測(cè) 209
8.4 海面風(fēng)速智能預(yù)測(cè) 211
8.5 海表溫度智能預(yù)測(cè) 213
8.6 上機(jī)實(shí)驗(yàn)：有效波高智能預(yù)測(cè) 217
8.6.1 數(shù)據(jù)準(zhǔn)備 218
8.6.2 模型構(gòu)建 218
8.6.3 結(jié)果展示 220
思考練習(xí)題 221
第9章 動(dòng)力參數(shù)智能估算和模式誤差智能訂正 222
9.1 海洋模式次網(wǎng)格動(dòng)力參數(shù)的智能估算 223
9.1.1 準(zhǔn)地轉(zhuǎn)海洋模式 223
9.1.2 降低數(shù)據(jù)分辨率 224
9.1.3 智能估算模型 225
9.1.4 智能估算結(jié)果 226
9.2 大氣模式濕物理參數(shù)的智能估算 229
9.2.1 濕靜力能量守恒 230
9.2.2 神經(jīng)網(wǎng)絡(luò)設(shè)置和數(shù)據(jù) 230
9.2.3 ResCu的智能預(yù)測(cè)結(jié)果 232
9.3 數(shù)值模式誤差智能訂正 235
思考練習(xí)題 238
參考文獻(xiàn) 239