升科大四技-電工電子實習Follow Me(附解答本)(2025最新版) (5版)
類似書籍推薦給您
【簡介】
本書特色
1.依據最新課綱重新編製,統合電工實習與電子實習的重點精華。
2.加強計算題之練習與新增情境素養題。
內容簡介
依據最新課綱重新編製,統合電工實習與電子實習,架構十分完整,各章節的重點也以條例式的方式敘述,使同學能夠一目了然,有效掌握研讀重點。每一章節內皆有範例講解與立即練習,且依各章節範圍分類,擷取了近年來的歷屆試題與新增情境素養題,並附有詳解,可供同學多方練習並迅速吸收。加強計算題之練習。
【目錄】
第一章 工場環境與環保之認識
1-1 工場環境、安全與衛生、廢棄物
1-2 基本工具與設備的使用與保養
第二章 導線的連接及銲接
2-1 導線及麵包板的認識與選用
2-2 剝線及導線連接
2-3 銲接實作
第三章 常用電子儀器之使用
3-1基本波形簡介
3-2多功能電錶的使用
3-3 電源供應器的使用
3-4 示波器的使用
3-5 信號產生器的使用
第四章 電阻、電壓及電流之量測
4-1 電阻器
4-2 電荷、電流、電壓
第五章 直流電路實驗
5-1 歐姆定律
5-2 串聯電路
5-3 並聯電路
5-4串並聯電路
5-5 克希荷夫定理
第六章 電容器與電感器之量測
6-1 電容器及電感器的種類及規格
6-2 電感、電容、電阻(LCR)錶之使用
第七章 磁與電之應用
7-1 磁的基本特性
7-2 電磁效應
7-3 電磁開關(繼電器)
第八章 變壓器實驗
8-1 變壓器原理
8-2 變壓器應用電路
第九章 二極體電路實驗
9-1 二極體的作用原理
9-2 發光二極體的作用原理
9-3 稽納二極體的作用原理
9-4 整流電路-半波整流電路、全波整流電路
9-5 濾波電路-電容濾波電路
第十章 電晶體電路實驗
10-1 雙極性電晶體的作用原理
10-2 雙極性電晶體偏壓認識-電晶體的特性曲線
10-3 雙極性電晶體開關應用電路
題組
項目1 實戰演練
立即查看
AI GNN再進化-圖神經網路完整學習及應用大全 (1版)
類似書籍推薦給您
內容簡介
本書全面介紹了圖神經網路的各個方面,包括基礎理論、前沿問題,以及模型算法和實際應用。
全書共分為四部分,27章。首部分為引言,探討了機器學習的效率與資料在特徵空間中的表示方法的關係,並著重於圖表示學習的目標與方法。
第二部分討論了圖神經網路的基礎問題,包括表現能力、可擴展性、可解釋性和對抗堅固性等問題,並強調了圖神經網路所面對的獨特挑戰。
第三部分則著重於前沿問題,包括圖分類、連接預測、圖生成、圖轉換、圖匹配、圖結構學習、動態圖神經網路、異質圖神經網路、自動機器學習和自監督學習等領域的現狀和未來趨勢。
最後一部分則廣泛討論了圖神經網路在現代推薦系統、計算機視覺、自然語言處理、程序分析、藥物開發等領域的應用。
目錄
第一部分 引 言
第1章 表徵學習
1.1 導讀
1.2 不同領域的表徵學習
1.3 小結
第2章 圖表徵學習
2.1 導讀
2.2 傳統圖嵌入方法
2.3 現代圖嵌入方法
2.4 圖神經網路
2.5 小結
第3章 圖神經網路
3.1 導讀
3.2 圖神經網路概述
3.3 小結
第二部分 基 礎
第4章 用於節點分類的圖神經網路
4.1 背景和問題定義
4.2 有監督的圖神經網路
4.3 無監督的圖神經網路
4.4 過平滑問題
4.5 小結
第5章 圖神經網路的表達能力
5.1 導讀
5.2 圖表徵學習和問題的提出
5.3 強大的訊息傳遞圖神經網路
5.4 比1-WL測試更強大的圖神經網路架構
5.5 小結
第6章 圖神經網路的可擴充性
6.1 導讀
6.2 引言
6.3 抽樣範式
6.4 大規模圖神經網路在推薦系統中的應用
6.5 未來的方向
第7章 圖神經網路的可解釋性
7.1 背景:深度模型的可解釋性
7.2 圖神經網路的解釋方法
7.3 圖神經網路的可解釋模型
7.4 圖神經網路解釋的評估
7.5 未來的方向
第8章 圖神經網路的對抗堅固性
8.1 動機
8.2 圖神經網路的局限性:對抗性樣本
8.3 可證明的堅固性:圖神經網路的驗證
8.4 提高圖神經網路的堅固性
8.5 從堅固性的角度進行適當評估
8.6 小結
第三部分 前 沿
第9章 圖分類
9.1 導讀
9.2 用於圖分類的圖神經網路:典型工作和現代架構
9.3 池化層:從節點級輸出學習圖級輸出
9.4 圖神經網路和高階層在圖分類中的局限性
9.5 圖神經網路在圖分類中的應用
9.6 基準資料集
9.7 小結
第10章 連結預測
10.1 導讀
10.2 傳統的連結預測方法
10.3 以GNN為基礎的連結預測方法
10.4 連結預測的理論
10.5 未來的方向
第11章 圖生成
11.1 導讀
11.2 經典的圖生成模型
11.3 深度圖生成模型
11.4 小結
第12章 圖轉換
12.1 圖轉換問題的形式化
12.2 節點級轉換
12.3 邊級轉換
12.4 節點-邊共轉換
12.5 其他以圖為基礎的轉換
12.6 小結
第13章 圖匹配
13.1 導讀
13.2 圖匹配學習
13.3 圖相似性學習
13.4 小結
第14章 圖結構學習
14.1 導讀
14.2 傳統的圖結構學習
14.3 圖神經網路的圖結構學習
14.4 未來的方向
14.5 小結
第15章 動態圖神經網路
15.1 導讀
15.2 背景和標記法
15.3 動態圖的類型
15.4 用圖神經網路對動態圖進行建模
15.5 應用
15.6 小結
第16章 異質圖神經網路
16.1 HGNN簡介
16.2 淺層模型
16.3 深度模型
16.4 回顧
16.5 未來的方向
第17章 自動機器學習
17.1 背景
17.2 搜尋空間
17.3 搜尋演算法
17.4 未來的方向
第18章 自監督學習
18.1 導讀
18.2 自監督學習概述
18.3 將SSL應用於圖神經網路:對訓練策略、損失函數和代理任務進行分類
18.4 節點級代理任務
18.5 圖級代理任務
18.6 節點-圖級代理任務
18.7 討論
18.8 小結
第四部分 廣泛和新興的應用
第19章 現代推薦系統中的圖神經網路
19.1 圖神經網路在推薦系統中的實踐
19.2 案例研究1:動態的GNN學習
19.3 案例研究2:裝置-雲端協作的GNN學習
19.4 未來的方向
第20章 電腦視覺中的圖神經網路
20.1 導讀
20.2 將視覺表徵為圖
20.3 案例研究1:影像
20.4 案例研究2:視訊
20.5 其他相關工作:跨媒體
20.6 圖神經網路在電腦視覺中的前端問題
20.7 小結
第21章 自然語言處理中的圖神經網路
圖神經網路
21.1 導讀
21.2 將文字建模為圖
21.3 案例研究1:以圖為基礎的文字聚類和匹配
21.4 案例研究2:以圖為基礎的中繼站閱讀理解
21.5 未來的方向
21.6 小結
第22章 程式分析中的圖神經網路
22.1 導讀
22.2 程式分析中的機器學習
22.3 程式的圖表徵
22.4 用於程式圖的圖神經網路
22.5 案例研究1:檢測變數誤用缺陷
22.6 案例研究2:預測動態類型化語言中的類型
22.7 未來的方向
第23章 軟體挖掘中的圖神經網路
23.1 導讀
23.2 將軟體建模為圖
23.3 相關的軟體挖掘任務
23.4 軟體挖掘任務實例:原始程式碼總結
23.5 小結
第24章 藥物開發中以圖神經網路為基礎的生物醫學知識圖譜挖掘
生物醫學知識圖譜挖掘
24.1 導讀
24.2 現有的生物醫學知識圖譜
24.3 知識圖譜的推理
24.4 藥物開發中以KG為基礎的假設生成
24.5 未來的方向
第25章 預測蛋白質功能和相互作用的圖神經網路
25.1 從蛋白質的相互作用到功能簡介
25.2 三個典型的案例研究
25.3 未來的方向
第26章 異常檢測中的圖神經網路
26.1 導讀
26.2 以GNN為基礎的異常檢測的問題
26.3 管線
26.4 分類法
26.5 案例研究
26.6 未來的方向
第27章 智慧城市中的圖神經網路
27.1 用於智慧城市的圖神經網路
27.2 未來的方向
參考文獻
原價:
1200
售價:
1080
現省:
120元
立即查看
<姆斯>機率(隨堂講義本)<交通大學出版社> 吳炳飛 4680470611408
立即查看
原價:
1800
售價:
1530
現省:
270元
立即查看