| 开本：16开 |
| 纸张：胶版纸 |
| 包装：精装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787515923086 |
| 所属分类：图书>自然科学>天文学 |
内容简介
《行星科学的机器学习》是一本横跨行星科学、机器学习、人工智能、软件分析、工程实践等多个领域的专著，主要介绍了多年来对机器学习理论用于行星科学探测的理解，通过深入浅出的理论阐述，利用索取行星公开数据的工具，对行星探测、着陆车等方面的典型实例进行详细分析，较为全面地介绍了机器学习方法在行星科学中的理论分析、工具应用与实例分析过程。
目 录
第章机器学习简介
第章行星任务中独特的新挑战
第章行星数据的查找与读取
第章教程：如何访问、处理和标记用于机器学习的图像数据
第章通过学习特定模式回归模型进行行星图像补绘
第章基于无监督学习的水星可见近红外反射率光谱自动表面制图与分类
第章绘制土星上的风暴图
第章行星漫游车的机器学习
第章结合机器学习回归模型和贝叶斯推断来解释遥感数据
对精确快进功能的需求
反问题的贝叶斯方法
基于机器学习的代理模型
案例研究用代理模型约束小行星的热特性
热物理模拟数据集第章机器学习简介
机器学习方法概述
监督学习
分类
回归分析
无监督学习
聚类分析
降维
半监督学习
自我训练
期望最大化的自我训练
协同训练
主动学习
不确定度采样
委员会查询
流行的机器学习方法
主成分分析法
均值聚类
支持向量机
决策树与随机森林法
神经网络
数据集准备
参考文献
第章行星任务中独特的新挑战
跨越年的水星探测
大型复杂数据返回面临的挑战
面对未知
行星科学中的机器学习
参考文献
第章行星数据的查找与读取
数据采集
简介
数据处理级别
欧洲空间局行星科学档案
使用读取数据
要查看的空间
第章高光谱分析工具（）简介
简介
库结构
轨道
紧凑型火星侦察成像分光计（）
月球矿物学制图仪（）
光谱剖面仪
原位
基线删除示例
回归分析示例
数据勘探示例
校准转移
结论
参考文献
第章教程：如何访问、处理和标记用于机器学习的图像数据
简介
访问数据产品
成像图集
成像节点数据门户
对数据产品进行标准图像格式预处理
图像数据产品
浏览图像
转换图像数据产品
标记图像数据
公开可用的标记图像数据集
用于标记图像数据的工具
图像分类器示例结果
训练集、验证集和测试集
模型微调
模型校准与性能
访问分类结果
总结
参考文献
第章通过学习特定模式回归模型进行行星图像补绘
简介
相关工作
实验数据
提出的方法
直方图聚类的无监督分离
网络架构
训练细节
基于反射的信息增强方法
实验结果
性能评估
结论
参考文献
第章基于无监督学习的水星可见近红外反射率光谱自动表面制图与分类
简介
水星与仪器
数据准备
从多元数据中学习
降维
流形学习
聚类分析
结论
参考文献
第章绘制土星上的风暴图
介绍
卡西尼惠更斯号和氨云
探索性主成分分析
深度学习方法
预处理和预标记
神经网络
训练与超参数优化
分类验证
土星特征图
参考文献
第章行星漫游车的机器学习
简介
风险和资源感知型
概述
地形分类
岩石灾害探测
基于视觉的滑移和驱动能量预测
科学驾驶
概述
地形图像的科学说明
图像相似性搜索
接口
科学家的实验
测试漫游车演示
结论与未来工作
参考文献
第章结合机器学习回归模型和贝叶斯推断来解释遥感数据
对精确快进功能的需求
反问题的贝叶斯方法
基于机器学习的代理模型
案例研究用代理模型约束小行星的热特性
热物理模拟数据集
风化层与岩石混合物的红外代理模型
热物理性质的贝叶斯推断
数据融合的未来展望
遥感数据融合
行星形成理论
航天器自主性
参考文献
显示全部信息
作者简介
德国航空航天中心（），柏林，德国
德国航空航天中心（），柏林，德国
科罗拉多大学大气与空间物理实验室，博尔德，科罗拉多州，美国
马里兰大学帕克分校，马里兰州，美国
《行星科学的机器学习》是一本横跨行星科学、机器学习、人工智能、软件分析、工程实践等多个领域的专著，主要介绍了多年来对机器学习理论用于行星科学探测的理解，通过深入浅出的理论阐述，利用索取行星公开数据的工具，对行星探测、着陆车等方面的典型实例进行详细分析，较为全面地介绍了机器学习方法在行星科学中的理论分析、工具应用与实例分析过程。
目 录
第章机器学习简介
第章行星任务中独特的新挑战
第章行星数据的查找与读取
第章教程：如何访问、处理和标记用于机器学习的图像数据
第章通过学习特定模式回归模型进行行星图像补绘
第章基于无监督学习的水星可见近红外反射率光谱自动表面制图与分类
第章绘制土星上的风暴图
第章行星漫游车的机器学习
第章结合机器学习回归模型和贝叶斯推断来解释遥感数据
对精确快进功能的需求
反问题的贝叶斯方法
基于机器学习的代理模型
案例研究用代理模型约束小行星的热特性
热物理模拟数据集第章机器学习简介
机器学习方法概述
监督学习
分类
回归分析
无监督学习
聚类分析
降维
半监督学习
自我训练
期望最大化的自我训练
协同训练
主动学习
不确定度采样
委员会查询
流行的机器学习方法
主成分分析法
均值聚类
支持向量机
决策树与随机森林法
神经网络
数据集准备
参考文献
第章行星任务中独特的新挑战
跨越年的水星探测
大型复杂数据返回面临的挑战
面对未知
行星科学中的机器学习
参考文献
第章行星数据的查找与读取
数据采集
简介
数据处理级别
欧洲空间局行星科学档案
使用读取数据
要查看的空间
第章高光谱分析工具（）简介
简介
库结构
轨道
紧凑型火星侦察成像分光计（）
月球矿物学制图仪（）
光谱剖面仪
原位
基线删除示例
回归分析示例
数据勘探示例
校准转移
结论
参考文献
第章教程：如何访问、处理和标记用于机器学习的图像数据
简介
访问数据产品
成像图集
成像节点数据门户
对数据产品进行标准图像格式预处理
图像数据产品
浏览图像
转换图像数据产品
标记图像数据
公开可用的标记图像数据集
用于标记图像数据的工具
图像分类器示例结果
训练集、验证集和测试集
模型微调
模型校准与性能
访问分类结果
总结
参考文献
第章通过学习特定模式回归模型进行行星图像补绘
简介
相关工作
实验数据
提出的方法
直方图聚类的无监督分离
网络架构
训练细节
基于反射的信息增强方法
实验结果
性能评估
结论
参考文献
第章基于无监督学习的水星可见近红外反射率光谱自动表面制图与分类
简介
水星与仪器
数据准备
从多元数据中学习
降维
流形学习
聚类分析
结论
参考文献
第章绘制土星上的风暴图
介绍
卡西尼惠更斯号和氨云
探索性主成分分析
深度学习方法
预处理和预标记
神经网络
训练与超参数优化
分类验证
土星特征图
参考文献
第章行星漫游车的机器学习
简介
风险和资源感知型
概述
地形分类
岩石灾害探测
基于视觉的滑移和驱动能量预测
科学驾驶
概述
地形图像的科学说明
图像相似性搜索
接口
科学家的实验
测试漫游车演示
结论与未来工作
参考文献
第章结合机器学习回归模型和贝叶斯推断来解释遥感数据
对精确快进功能的需求
反问题的贝叶斯方法
基于机器学习的代理模型
案例研究用代理模型约束小行星的热特性
热物理模拟数据集
风化层与岩石混合物的红外代理模型
热物理性质的贝叶斯推断
数据融合的未来展望
遥感数据融合
行星形成理论
航天器自主性
参考文献
显示全部信息
作者简介
德国航空航天中心（），柏林，德国
德国航空航天中心（），柏林，德国
科罗拉多大学大气与空间物理实验室，博尔德，科罗拉多州，美国
马里兰大学帕克分校，马里兰州，美国