建築向心性之研究 (1版)

其他會員也一起購買

書名：建築向心性之研究 作者：王錦堂、賴明茂 出版社：詹氏 出版日期：1991/04/01 條碼：9789579432450 內容簡介 本書乃建築空間組織中向心性之研究成果，對其定義及特質予以界定並加以描述，指出視覺認知及行為心理的特質，空間組織之秩序、軸性及封閉性，藉實例及插圖加以表明，期對向心性能提出一清晰並完整之概念。 由於本書的內容，以及所包括的豐富圖例。本人相信，本研究成果對從事建築相關領域的研究人員，以及從事實務的設計師們，尤其是嚮往向心性空間的建築師或環境規則師們，在規劃設計工作中成為一個不可或缺的重要參考資料。 以外，本書對有同一興趣的研究人員亦可提供指引，他們或可循本書所建立的架構，進行更深入的研究。 ■ 目錄 前言 研究動機 研究範圍 研究方法 研究效益 第一章 緒論 向心性的定義 向心性 向心性焦點 向心性空間 向心性空間模式 向心性的層面 物理學的向心性 幾何學的向心性 建築空間的向心性 向心性的塑造 第二章 向心性特性 心理特性 視覺之向心性 認知之向心性 行為之向心性 小結 質質特性 向心性中的軸性 向心性中的秩序 向心性與封閉性 小結 第三章 向心性空間模式的類型 個體組織的向心性 單一的向心性 獨立型向心性模式 單一性模式 展延性模式 十字型向心性模式 重覆的向心性 層次型向心性模式 集中式模式 軸線式模式 複心型向心性模式 複合型向心性模式 群體組織的向心性 單一的向心性 層次型向心性模式 非層次型向心性模式 重覆的向心性 單純複心型向心性模式 複合複心型向心性模式 第四章 結論 向心性的重要與轉換 向心性空間模式的運用 後續研究 參考書目 中文部份 外文部份

眼科及視光儀器學【含彩圖】（第二版） (2版)

類似書籍推薦給您

【簡介】 　　本書大綱簡潔、內容詳盡，旨在幫助讀者能迅速與準確地操作儀器，並能確切掌握相關作業流程，以及獲得詳實的檢測數值而進行眼鏡驗配或眼科治療。是大專院校視光科系教科書，也很適合眼鏡驗配相關產業職場中的技術人員參考。 　　全書分為4章，分別介紹：視力檢查相關設備、屈光測試相關設備、隱形眼鏡驗配相關設備、眼科檢查相關設備。舉凡常用的眼科與視光檢查設備，如：視力表、色盲本、立體視力本、鏡片驗度儀、視網膜鏡、自動驗光機、綜合驗光儀、角膜弧度儀、裂隙燈、淚膜鏡、眼壓計、視野計與同視機等，皆包含在本書各單元之中。每一單元再將所屬之儀器設備依據用途、原理、檢測方法與紀錄等加以詳細介紹，內容淺顯易懂，並輔以豐富圖片，方便讀者圖文對照使用，進一步了解眼科儀器的構造與細節。 　　眼科學與視光學是一門以保護人眼視覺健康為主要內容的學科，結合現代醫學、生理光學、驗光學、配鏡學、隱形眼鏡學及材料工程等知識所構成的一門專業學科，也是一門需要操作檢查和臨床分析的學科，其檢測的對象主要以人的眼睛為主，因此視光檢測技術需要透過相關的儀器設備才能進行，學習眼科與視光學的技術人員除了要熟知相關視光學的理論知識外，對於檢查過程中所用到的儀器設備也應清楚相關基礎原理、光學設計、機器結構、操作方法與紀錄判讀等。 　　本書收錄最新視光相關資訊，同時書中名詞術語皆已敦請國內相關領域專家加以審定修改，是專門為視光臨床技術人員所撰寫的教材，可以作為視光學系列叢書之入門課程，亦適合國內相關領域教學與實務之用。第二版增修最新又實用的「對比敏感度視力表」操作技術。  【目錄】 Chapter 1 視力檢查相關設備 1-1 遠用視力表(Distance Visual Acuity Chart) 1-2 近用視力表(Near Visual Acuity Chart) 1-3 對比敏感度視力表(Contrast Sensitivity Chart) 1-4 石原氏(Ishihara)色盲本與D-15色塊檢查器 1-5 立體視力檢查本(Stereo-Acuity) Chapter 2 屈光測試相關設備 2-1 瞳距尺和瞳距儀(PD Meter) 2-2 鏡片驗度儀(Lensometer) 2-3 視網膜鏡(Retinoscopy)  2-4 驗光試片組(Trial Lens Set) 2-5 電腦驗光機 (Auto-Refractor) 2-6 手動綜合驗光儀(Phoropter) 2-7 自動綜合驗光儀(Auto-Phoropter)  Chapter 3 隱形眼鏡驗配相關設備 3-1 隱形眼鏡基弧測量儀(Radiuscope) 3-2 軟式隱形眼鏡投影檢測儀 3-3 淚膜鏡(Tearscope) 3-4 角膜弧度儀(Keratometer) 3-5 裂隙燈顯微鏡(Slit Lamp Microscopy) 3-6 角膜地形圖儀(Corneal Topography) 3-7 角膜內皮細胞顯微鏡(Corneal Endothelial Microscope) Chapter 4 眼科檢查相關設備 4-1 直接眼底鏡(Direct Ophthalmoscopy) 4-2 眼壓計(Tonometry) 4-3 視野計(Perimetry) 4-4 同視機(Synoptophore) 4-5 眼底照相機(Fundus Camera) 4-6 光學同調斷層掃描儀(Optical Coherence Tomography, OCT) 參考文獻 補充圖片  

深度學習詳解｜台大李宏毅老師機器學習課程精粹 (1版)

類似書籍推薦給您

【簡介】 台灣大學電機工程學系 李宏毅教授 ～專文推薦～ 很高興看到Datawhale的王琦、楊毅遠、江季等同學將我的線上錄影轉化為可閱讀的教材，他們的努力使我的教學內容能接觸更多學子。希望這本書能幫助更多人探索深度學習領域，激發更多學子對這個領域的興趣和熱情。 ■ 名師授課精華，一本掌握深度學習核心觀念 台灣大學電機工程學系李宏毅教授開設的「機器學習」與「生成式AI」課程在YouTube上廣受歡迎，累積超過30萬訂閱，影響力橫跨學界與業界。 本書依據李宏毅教授「機器學習」課程中與深度學習相關的內容編寫，並融合近年課程更新重點，為AI學習者提供最完整、最系統化的深度學習知識架構。 ■ 從基礎到進階，完整呈現深度學習關鍵知識 內容包括了深度學習的基礎知識、類神經網路的訓練技巧、生成模型、自監督學習（包括 BERT 和 GPT）、擴散模型、元學習、神經網路壓縮等。此外，還探討了如何解決類神經網路訓練中的常見問題，如局部最小值、鞍點、批次與動量、自動調整學習速率等。 ■ 理論實務兼具，打造易懂又實用的學習體驗 在理論嚴謹的基礎上，本書保留了課程中大量生動有趣的例子，幫助讀者從生活化的角度瞭解深度學習的概念、建模過程與核心演算法細節。適合對深度學習感興趣，想要入門深度學習的讀者閱讀，更可作為深度學習相關課程的教材。 王琦 上海交通大學人工智能教育部重點實驗室博士研究生，碩士畢業於中國科學院大學。Datawhale成員，《Easy RL：強化學習教程》作者，英特爾邊緣計算創新大使，Hugging Face社區志願者，AI TIME成員。主要研究方向為強化學習、計算機視覺、深度學習。曾獲「中國光谷．華為杯」第十九屆中國研究生數學建模競賽二等獎、中國大學生計算機設計大賽二等獎、亞太地區大學生數學建模競賽（APMCM）二等獎，並發表多篇SCI/EI論文。 楊毅遠 牛津大學計算機系博士研究生，碩士畢業於清華大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為時間序列、資料探勘、智能傳感系統及深度學習。曾獲中國國家獎學金、北京市優秀畢業生、清華大學優秀碩士學位論文及中國大學生智能汽車競賽總冠軍等榮譽，並發表多篇SCI/EI論文。 江季 網易高級算法工程師，碩士畢業於北京大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為強化學習、深度學習、大模型及機器人等。曾獲中國國家獎學金、上海市優秀畢業生等榮譽，並取得多項強化學習與遊戲AI相關專利。 【目錄】 chapter 1 機器學習基礎 1.1 案例學習 1.2 線性模型 chapter 2 實踐方法論 2.1 模型偏差 2.2 最佳化問題 2.3 過擬合 2.4 交叉驗證 2.5 不匹配 chapter 3 深度學習基礎 3.1 局部最小值與鞍點 3.2 批次和動量 3.3 自適化學習率 3.4 學習率排程 3.5 最佳化總結 3.6 分類 3.7 批次正規化 chapter 4 卷積神經網路 4.1 觀察 1：檢測模式不需要整幅圖片 4.2 簡化 1：感知域 4.3 觀察 2：同樣的模式可能出現在圖片的不同區域 4.4 簡化 2：共用參數 4.5 簡化 1 和簡化 2 的總結 4.6 觀察 3：降取樣不影響模式檢測 4.7 簡化 3：池化 4.8 卷積神經網路的應用：下圍棋 chapter 5 遞迴神經網路 5.1 獨熱編碼 5.2 什麼是 RNN 5.3 RNN 架構 5.4 其他 RNN 5.5 LSTM 網路原理 5.6 RNN 的學習方式 5.7 如何解決 RNN 的梯度消失或梯度爆炸問題 5.8 RNN 的其他應用 chapter 6 自注意力機制 6.1 輸入是向量序列的情況 6.2 自注意力機制的運作原理 6.3 多頭自注意力 6.4 位置編碼 6.5 截斷自注意力 6.6 對比自注意力與卷積神經網路 6.7 對比自注意力與遞迴神經網路 chapter 7 Transformer 7.1 序列到序列模型 7.2 Transformer 結構 7.3 Transformer 編碼器 7.4 Transformer 解碼器 7.5 編碼器—解碼器注意力 7.6 Transformer 的訓練過程 7.7 序列到序列模型訓練常用技巧 chapter 8 生成模型 8.1 生成對抗網路 8.2 生成器與判別器的訓練過程 8.3 GAN 的應用案例 8.4 GAN 的理論介紹 8.5 WGAN 演算法 8.6 GAN 訓練的困難點與技巧 8.7 GAN 的效能評估方法 8.8 條件型生成 8.9 CycleGAN chapter 9 擴散模型 9.1 擴散模型產生圖片的過程 9.2 降噪模組 9.3 訓練雜訊預測器 chapter 10 自監督學習 10.1 BERT 10.2 GPT chapter 11 自動編碼器 11.1 自動編碼器的概念 11.2 為什麼需要自動編碼器 11.3 降噪自動編碼器 11.4 自動編碼器應用之特徵解離 11.5 自動編碼器應用之離散隱性表徵 11.6 自動編碼器的其他應用 chapter 12 對抗式攻擊 12.1 對抗式攻擊簡介 12.2 如何進行網路攻擊 12.3 快速梯度符號法 12.4 白箱攻擊與黑箱攻擊 12.5 其他模態資料被攻擊案例 12.6 現實世界中的攻擊 12.7 防禦方式中的被動防禦 12.8 防禦方式中的主動防禦 chapter 13 轉移學習 13.1 領域偏移 13.2 領域自適應 13.3 領域概化 chapter 14 增強式學習 14.1 增強式學習的應用 14.2 增強式學習框架 14.3 評價動作的標準 chapter 15 元學習 15.1 元學習的概念 15.2 元學習的三個步驟 15.3 元學習與機器學習 15.4 元學習的實例演算法 15.5 元學習的應用 chapter 16 終身學習 16.1 災難性遺忘 16.2 終身學習的評估方法 16.3 終身學習問題的主要解法 1chapter 17 網路壓縮 17.1 網路修剪 17.2 知識蒸餾 17.3 參數量化 17.4 網路架構設計 17.5 動態計算 chapter 18 可解釋性機器學習 18.1 可解釋性人工智慧的重要性 18.2 決策樹模型的可解釋性 18.3 可解釋性機器學習的目標 18.4 可解釋性機器學習中的局部解釋 18.5 可解釋性機器學習中的全局解釋 18.6 擴充與小結 chapter 19 ChatGPT 19.1 ChatGPT 簡介和功能 19.2 對 ChatGPT 的誤解 19.3 ChatGPT 背後的關鍵技術—預訓練 19.4 ChatGPT 帶來的研究問題

AI輔助英中筆譯：機器翻譯後編技巧 (1版)

類似書籍推薦給您

【簡介】 迎接人機協作新紀元！ 16種譯後編輯技巧 + 3大文體長篇演練 善用AI科技，同步提升翻譯的質與量！ 　　在各行各業相繼導入AI科技的時代，翻譯產業同樣上演著翻天覆地的變化，口筆譯工作者，外文、翻譯系所學生無不憂心被機器翻譯技術所取代。在面臨這股不可逆的科技變革，我們要做的不是反對或逃避，而是深入了解機器翻譯的特色，將它變身為工作時的得力工具，利用「機器譯後編輯」提升翻譯速度及產量，創造人機合作的雙贏局面！ 　　為因應這時代趨勢，臺師大翻譯所廖柏森教授再次帶領菁英作者團隊推出最新力作：《AI輔助英中筆譯：機器翻譯後編技巧》！ 　　本書第一章先帶領讀者建立對機器翻譯的正確認識；第二章講解如何以16種翻譯技巧，如音譯、直譯、意譯、形譯、順譯、增譯等技巧編修機器譯文，從單詞逐步進展到長句的編修；第三章是實作應用，將翻譯單位擴大至3大文體的長篇文章，扎實培養編修如一般文件、科技文章、財經文章的實力，成為效率與專業兼具的優秀譯者！（請參閱前言，有更詳盡的各章介紹） 　　「機器翻譯譯後編輯」(Machine Translation Post-Editing, MTPE) 是指先以機器處理原文文本產生譯文初稿，再由譯者審閱修訂，以確保譯文的訊息正確、表達流暢，並符合翻譯目的和讀者需求的翻譯方式。比起全人工翻譯，機器翻譯譯後編輯能大幅節省時間和成本，成為當前翻譯產業中的趨勢。 　　適用讀者 　　■    專業口筆譯者 　　■    報刊、國際新聞編譯 　　■    外文、翻譯相關系所學生 　　■    對翻譯有興趣者 本書特色 　　■    完整介紹機器翻譯的歷史，以及目前最廣泛使用的機器翻譯工具。 　　■    學習包括音譯、直譯、意譯等16種編修技巧，交出完美後編譯文。 　　■    單句及長篇文本演練，循序漸進培養AI素養，提升競爭力。 學界專家 誠摯推薦 　　在當前翻譯教育日益重視人機協作與科技融合的背景下，《AI 輔助英中筆譯：機器翻譯後編技巧》不僅填補了現有翻譯教材在機器翻譯後編輯領域教學的不足，也為相關課程設計與譯者進修提供了重要的資源。 　　蔡毓芬 　　國立臺灣大學外國語文學系教授 　　人機協作確實是產業不可逆的趨勢，但也可能是譯者持續成長的契機。本書從務實角度檢視AI翻譯的優勢與限制，並提供實際應用範例與後編技巧，是協助譯者、學生與教學者掌握AI工具提升專業能力的絕佳資源。 　　汝明麗 　　國立臺灣師範大學翻譯研究所副教授兼所長 　　無論你是翻譯學子、語言工作者，還是希望提升跨文化溝通能力的各領域專業人士，甚至是對AI 應用感興趣的普通讀者，這本書都能為你開啟一扇通往未來的大門，教你如何在人機協作的新時代中，成為更出色的跨文化溝通者。 　　張綺容 　　東吳大學英文學系副教授  【目錄】 第一章 機器翻譯概述 1. 機器翻譯與電腦輔助翻譯的區別 2. 機器翻譯的發展 3. 機器翻譯譯後編輯 4. 機器翻譯對譯者的意義 5. 機器翻譯的優勢和不足之處 6. 學習機器翻譯的建議 7. Google Translate, DeepL, ChatGPT 的簡介與比較 8. Google Translate, DeepL, ChatGPT 的使用方式 9. 翻譯資料安全的問題 10. 小結 譯路同行 機器翻譯工具 第二章 機器翻譯後編技巧 1. 音譯 2. 直譯 3. 意譯 4. 形譯 5. 增譯 6. 減譯 7. 順譯法與逆譯法 譯路同行 風格百變的翻譯助手—ChatGPT 8. 詞類轉換 9. 正反表達 10. 被動語態 11. 替換 12. 歸化 13. 異化 譯路同行 口譯員的AI 小助手 14. 合句法 15. 分句法 譯路同行 運用ChatGPT 輔助中譯英練習 16. 重組法 譯路同行 電腦輔助翻譯工具Termsoup 第三章 文體篇章翻譯 1. 文件 說明書∕操作手冊 簡章 年度報告 書籍介紹 產品介紹 2. 科技文本 科技產品介紹 科技新聞報導 譯路同行 機器翻譯與同步口譯 3. 財經文本 金融市場的新聞報導 經濟預測與市場展望 參考文獻

新時代 丙級機器腳踏車修護學術科通關寶典 - 2025年最新修訂版(第十四版) - 附贈MOSME行動學習一點通：評量．詳解 (14版)

類似書籍推薦給您

【簡介】 　　1.依據勞動部最新公告術科試題編撰，內容最完整、做法最正確。 　　2.術科提供彩色圖片、配合操作步驟說明與提示，簡單易學，有效幫助學習。 　　3.學科試題細分工作項目，亦提供學科線上閱讀，讓您隨時隨地可使用行動裝置閱讀學習。 　　4. MOSME 行動學習一點通功能： 搭配「MOSME 行動學習一點通」，進行學科題庫線上測驗，可自我練習增強記憶力，反覆測驗提升應考戰鬥力，即學即測即評，強化試題熟練度。 　　．評量：可在線上反覆練習學科試題，強化題目熟練度；依檢定抽題比例，進行模擬測驗。 　　．詳解：學科可於書本及線上閱讀本書詳解。   【目錄】 術科試題與解析 應檢須知 第一站 更換煞車、車輪相關構件試題 第二站 更換引擎總成相關構件試題 第三站 檢查與調整引擎試題 第四站 更換電系系統相關構件試題 第五站 綜合保養試題 第六站 使用量具試題 術科測試時間配當表 學科試題與解析 工作項目01 使用器具 工作項目02 服務態度、使用服務資料及定期保養 工作項目03 檢討、調整及更換引擎相關裝備 工作項目04 檢查、更換電系系統相關裝備 工作項目05 檢查、調整及更換煞車系統 工作項目06 檢查、更換車輪相關裝備 工作項目07 檢查、調整及更換懸吊、傳動

機器學習－從理論到實作攻略 (1版)

類似書籍推薦給您

【簡介】 　　本書內容兼顧理論與實務，用大量示意圖與範例，幫助讀者建立機器學習的基本概念。第一章介紹機器學習的基本概念與類型，幫助讀者快速入門。第二章深入探討監督式學習，涵蓋多種經典演算法，如線性回歸、決策樹與神經網路等。第三章則介紹非監督式學習，重點講解資料探索與聚類方法。第四章專注於模型評估與優化，幫助讀者提升模型性能。最後，第五章通過台股數據分析與YOLO物件辨識兩個實戰專案，讓讀者實際應用所學知識，開啟機器學習與深度學習的探索之旅。 本書特色 　　1.強調實作與錯誤學習：本書不僅講解理論，還鼓勵讀者動手實踐，以實際應用深化理解。 　　2.系統化的學習路徑：以示意圖與簡單範例帶領讀者進入機器學習，逐步深入監督式與非監督式學習，最終挑戰更進階的AI應用。 　　3.提供完整的學習支援：書中還整理了機器學習的專業術語，並附有環境安裝指南，讓更多人能輕鬆入門機器學習。 　　4.豐富的線上教學資源：作者經營YouTube頻道「工程師の師」，提供多樣化的教學影片，作為書本內容的延伸學習資源。 【目錄】 第一章 機器學習新手上路 1-1 什麼是機器學習 1-2 機器學習的種類 1-3 免費練習開發平台 1-4 機器學習步驟 第二章 監督式學習 2-1 線性回歸 Linear Regression 2-2 支援向量機 Support Vector Machine 2-3 單純貝氏分類器 Naïve Bayes Classifier 2-4 決策樹Decision Tree 2-5 隨機森林 Random Forest 2-6 神經網路 Neural Network 2-7 近鄰演算法 K-Nearest Neighbors 第三章 非監督式學習 3-1 主成分分析 Principal Components Analysis 3-2 非負矩陣 Non-negative Matrix Factorization 3-3 平均分群演算法 K-means 3-4 高斯混合分布 Gaussian Mixture Models 第四章 評估方法與訓練技巧 4-1 分類問題評估 4-2 回歸問題評估 4-3 交叉驗證 Cross-Validation 4-4 批次量 Batch Size 第五章 最終挑戰—實戰應用 5-1 AI 股票理財專家 5-2 YOLOv9 物件辨識 結語 附錄 附錄一 專有名詞解釋 附錄二 環境安裝 附錄三 參考文獻 習題