元素表示的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

【天空為限占卜套書】(二冊)：《藏在塔羅裡的占卜符碼》、《奧修禪卡占卜書》

為了解決元素表示的問題，作者天空為限 這樣論述：

　　本套書組合：《藏在塔羅裡的占卜符碼》+《奧修禪卡占卜書：以塔羅元素為鑰，貫穿靈性與現實兩層面的終極占卜》   　　神人級塔羅占卜師──天空為限， 　　不藏私傾囊相授，為你直指塔羅＆奧修禪卡的解牌盲點！   　　《藏在塔羅裡的占卜符碼》   　　史上最強塔羅解牌書， 　　跳脫制式的關鍵字解牌窠臼及表面牌義 　　結合地、水、火、風四大元素與數字的解讀技巧， 　　淋漓盡現塔羅牌的精髓。   　　29個真實案例！21道練習題！挑戰你的解牌功力！ 　　神人級塔羅占卜師不藏私傾囊相授，為你直指解牌盲點   　　地水風火四大元素與數字的組合，是塔

羅占卜師往往會忽視的盲點，也是很多解牌玩家不知如何下手的禁區。現在，一本專業級的塔羅解牌書就能解決這些問題，更讓人驚喜的是，這本書不是翻譯作品，更不是拾人牙慧，而是原汁原味由我們台灣的執業塔羅占卜師自己寫的，全書內容都是百分百原創，不管是單張牌解讀或牌陣解析，都能不落俗套地解讀得更精準更透徹，比起國外大師級的作品，不僅毫不遜色，也更能貼近台灣社會。   　　本書作者天空為限在台灣的占星與塔羅圈子已經積聚了一定的名氣跟實力，無論是教學或實占都是她的強項。本書是她浸淫塔羅多年的心得，不執著於牌義關鍵字，也不執著正逆位的解牌技巧，都來自於她對每一張牌的透徹理解，技高一籌的真本領、獨特的解牌眼

光，說她是個能一眼看穿塔羅牌全貌的人，實不為過。   　　她在書中大方公開她的理解過程，不吝將成就她畢生功力的練功要訣與讀者分享。書中的解牌例子都是她的實占個案，每次解牌都條理分明、脈絡清楚，不故弄玄虛，她的塔羅「建構理論」，鼓勵讀者從實際的解牌過程中，自己找尋解決方式，而不是沿用一套似是而非的標準答案。看她倒推解題的過程，每個線索都有嚴謹的解釋，邏輯前後呼應，一氣呵成，每篇解牌說明絕對會讓你讀來拍案叫絕。   　　這本書好好用…… 　　不少人都會玩個一兩手塔羅牌，可惜多半只習得一招半式，未能登堂入室盡得塔羅牌精髓。解牌時，不是面對看似矛盾的牌義不知所云，就是因為套錯關鍵字

而質疑塔羅牌的準確度。一般塔羅牌書的內容都偏重於牌義介紹，鮮少以解牌為重點，讓有心想學的入門者空有一身牌義知識，卻不得解牌要領，往往只解得皮毛而失了裡子；而對於已具有塔羅初步基礎、想更深入鑽研塔羅解牌的讀者來說，往往因為找不到一本專業級的好書而無法升級自己的解牌技巧。   　　現在，就有這樣一本好用又易懂的塔羅書，提供你實際的演練機會，打通你的塔羅「任督」二脈，解牌功力一日千里。   　　＊對一個剛入門的人：恭喜你，不用再死背每張牌的關鍵字了。只要看過案例分析，自然而然就能把塔羅牌的邏輯內化。 　　＊對一個想進階的人：可以利用建構塔羅的方式學習應用解牌，不用忙著拆解及辨識每

個符號所代表的意義。 　　＊對一個準大師級的人：換個角度重新認識塔羅牌，強化元素別、數字別的解析，透徹瞭解每張塔羅牌的本質，讓你運用自如的解牌功力自動升級。   靈驗推薦   　　作家/袁瓊瓊、塔羅教父/丹尼爾、靈氣療癒maste/林宥儀、塔羅事典館主/孟小靖、占星兩性專家/夢洗、資深媒體記者/陳程振、前台灣區諾基亞總經理/程宗楷、教育訓練講師/May Kung   　　《奧修禪卡占卜書：以塔羅元素為鑰，貫穿靈性與現實兩層面的終極占卜》   　　奧修禪卡能穿越心靈跟現實，一路看進底層，是占卜的最高境界。 　　這是頭一回，將奧修禪卡的解牌系統講清楚； 　

　也是頭一回，提取出每張禪卡裡的神祕占卜符號，清楚解釋它的象徵意義， 　　破除了奧修禪卡向來是形而上、自由心證、靈性占卜的迷思， 　　讓奧修智慧更進階，更具穿透力！   　　奧修禪卡全名為「奧修禪宗塔羅牌」， 　　本書作者以塔羅牌為鑰，比較奧修禪卡與塔羅牌的結構異同， 　　更進一步詮釋每張禪卡裡隱藏的象徵符號。   　　例如── 　　塔羅牌的土元素，以錢幣象徵世間的物質和財富，重視的是結果。 　　而奧修禪卡的土元素變成了彩虹，象徵所有物質和財富皆如彩虹一般虛幻無常， 　　只有不執取，才可展現美麗動人的演出，強調過程比結果更重要。   　　再如

── 　　〈新的洞見〉這張禪卡裡的象徵圖形包括了： 　　圓形、三角形、四方形、長著一對羽翼的裸身人以及一個匍匐爬行的人。 　　這是一張象徵破繭而出，即將轉化、昇華的牌。 　　這張牌屬於水元素，表示並不是用剛猛的躍昇方式往上突破， 　　而是用接納、臣服的方式體驗所有情緒，然後慢慢轉化、昇華。 　　牌圖中那個長著羽翼的裸身人，有如浴火鳳凰，代表告別舊階段，進入新階段新境界。   　　唯有精確讀懂牌圖裡的象徵意涵，才能給出建設性引導， 　　善用奧修禪卡，描繪出你人生各層面的起伏線， 　　讀出暗藏在工作、感情、行為、情緒背後的真實意涵與提示， 　　讓奧修智慧

給我們更多的日常提醒！   　　以塔羅為鑰，了解奧修禪卡 　　奧修禪卡的全名是《奧修禪宗塔羅牌》。從解牌系統來說，奧修禪卡是建構在塔羅牌結構的基礎上，卻又超越了塔羅牌！它涵蓋了物質的實際面與靈性的精神面，帶給你更真實的生活占卜，更貼近生命實相的真誠建議。   　　「奧修禪宗塔羅牌」是以塔羅牌的結構，來詮釋表達奧修的主要思想。因此本書開宗明義，特別繪製了奧修禪卡與塔羅牌的結構對照圖解，讓讀者清楚整副牌的邏輯結構，並與塔羅牌互相參照，對於初學者甚有幫助。而且，只要跟著書中的解析，弄清楚象徵符號背後指向的意義，就可以很清楚的看到奧修禪卡與塔羅牌之間的同質性，並進一步看見奧修禪卡擁

有一般塔羅牌所沒有的特質──穿越心靈跟現實，一路看進底層。   　　破除迷思：「奧修禪卡」只能拿來觀照自己，不適合拿來占卜？ 　　很多人一講到靈性就會把它捧入雲端，因此奧修禪卡是一副靈性的、靜心的牌，所以不能用來解釋物質層面的現象。但作者認為，「靈性」距離我們並沒有那麼遠，物質也是「靈性整體」中的一個層次。靈性既然是「身心靈」三個層次中最高的一層，當然應該能涵蓋及解釋所有的層面，如果說「物質」的高度是十樓，那「靈性」的高度就有一百層樓，一幢一百層樓的建築物一定包括了底下的十層樓。   　　換句話說，指向靈性層面的奧修禪卡，必須能同時看到人心與物質的層面，才能顯示出真正的靈性

高度。所以一般塔羅牌可以做的，奧修禪卡當然也能游刃有餘；相反的，透過物質面或具體化的一般塔羅牌，要來看出靈性層面的能量運作模式，就很難辦到了（話說回來，如果占卜師本身的素養夠，不管用什麼牌卡，都可以看到身、心、靈三個層面，重點在人而不在牌卡）。   　　讀牌師必須讀懂牌圖上的細節，才能引導對方「如何活在當下」；也不能只叫人「傾聽內心的聲音」，你必須能掌握牌卡的內涵，才能幫人把他內心的聲音呈現並翻譯出來。這才叫建設性，也才叫指引。占卜師、解牌師不能只叫人「活在當下」，因為你隨便攔個路人都可以告訴你要活在當下，還用得著花錢花時間抽牌解牌嗎？   　　所以這本書，就是要告訴你，奧修禪

卡不是供在案上的靈性指導，除了靈性層面之外，身心兩個層面所展現的豐富性與實用性也不能忽略，身、心、靈「三位一體」才能讓我們更貼近奧修禪卡深邃豐富、尚未揭露的原貌。   　　建立你的禪卡日記 　　對於自己，你能否理直氣壯地說「我了解」？ 　　對於工作，你能否安身立命地說「我適合」？ 　　對於愛情，你能否甘之如飴地說「我找到了」？   　　與奧修禪卡來一趟身心靈的交流之旅，從日常生活中描繪你人生各層面的起伏線，看出暗藏在工作、感情、行為模式背後的警示與含意？每天抽出一張牌，在一天結束後，看看這張牌告訴你的是什麼，讓禪卡與自己對話，是非常美好的經驗，也許你能從中獲得啟發與釋

然。   　　Step1：每天早上起床後馬上洗牌，抽出一張牌蓋住，先不要看是哪張牌。 　　Step2：詳細感受當日發生的事，要很清楚今天引發你的情緒或讓你印象特別深刻的事件，並且記錄下來。 　　Step3：回家後，把筆記及抽到的那張牌對照，看看牌與事件之間有無符合或呼應的狀況。 　　Step4：禪卡日記至少要進行一個月以上，再回顧每天不同的牌，就能觀察出你這段時間的生命課題，以及你生活中最常出現哪一類事件。   　　奧修禪卡的召喚 　　作者天空為限，是當今首屈一指的華人占星師和塔羅牌教師，她解牌有其獨特穿透事物表象，一語道出底層真相的準確犀利風格。奧修禪卡是她生

平最早接觸的一副牌卡，也因為這副牌，領她進入了解構一個個精彩人生故事的塔羅牌生涯。事隔多年，卻在一段痛失所愛的經歷中，讓她重新看見了奧修禪卡的價值。

元素表示進入發燒排行的影片

應用角度資訊改進以度量學習為基礎之人臉辨識系統

為了解決元素表示的問題，作者許恆瑋 這樣論述：

人臉辨識在近年來受到相當程度的關注且廣泛的應用在日常生活中，例如: 監視錄影像上的監控系統、智慧型手機上的應用程式以及機場的快速通關。儘管如此，要在側臉的情況下辨識人臉依舊是一個難題，因為重要的臉部特徵會隨著人臉的轉動而被遮蔽。這個問題可以分成兩個子問題: 首先，我們需要有一個以人臉圖像當作輸入，並能準確地預測角度當作輸出的人臉角度辨識模型。第二，我們需要有一個能利用此角度資訊並能在各種角度下區分不同人的人臉辨識模型。在本論文中，我們將會探討如何提升人臉辨識模型在大角度情況下的辨識率。一般常用的預估角度方法是透過一個兩階段的方式，先偵測出人臉上的特徵點，再從這些特徵點預測角度。有別於以往的做

法，我們提出的方法是藉由訓練一個深度卷積神經網絡來直接從人臉影像中預測出角度。接著我們更進一步地提出一個以度量學習為基礎的人臉辨識框架，並結合角度資訊以提升整體的辨識率。我們主要的學術貢獻可分為三部分。第一部分是我們針對人臉辨識提出一個創新的幾何損失函數。此函數是藉由探討數據集內任四個樣本間的面積關係並考慮到每組樣本間的幾何特性。抽取的四個樣本在嵌入空間中會形成一個四面體，其中三個為正樣本，另一個為負樣本。我們希望藉由最小化由三個正樣本所形成的三角形面積來縮小組內變異數，並同時最大化和負樣本所形成的三角形面積以增加組間的距離。利用這樣一個以面積為基礎的目標函數，能使我們在計算每個樣本的梯度時可

以同時考慮到和自身相鄰的其餘樣本，並且能讓每個樣本根據局部的幾何關係來做調整以提升準確度。第二部分是我們深入探討頭部姿勢預測的問題，並提出一個結合 L2 迴歸和次序迴歸的多元迴歸損失函數。我們利用此損失函數訓練一個不需要深度資訊，專門從彩色影像中預測頭部姿勢的深度卷積神經網絡。次序迴歸損失函數是用來解決在臉部特徵隨著角度變化的過程中所觀察到的非平穩特性並學習穩健的特徵。L2 迴歸損失函數會利用這些學到的特徵進一步地學習預測精準的角度資訊。為了避免常用的尤拉角表示法在角度較大時所遇到的角度不明確問題，我們改用四元素表示法來定義損失函數。我們所提出的以四元素為基礎之多元迴歸損失函數在多個公開測試數

據集上都達到最好的表現。第三部分，我們設計了一個人臉辨識模型的訓練框架。我們從資料清理部份開始，利用一個自動化的方法來處理大數據集中常會發生的標籤錯誤問題。我們也設計了一個資料生成方法，會隨機的將輸入圖像轉化生成為不同條件下的圖像，例如調整一張圖像的對比度、飽含度和亮暗狀態。另外，我們也對圖像做銳利化、模糊化和加噪的處理來模擬不同相機來源的情況。這些影像處理方法參數的邊界值都是實驗過後確認會生成合理的影像後所訂下來的。從實驗數據中可以看到，利用這種資料生成方法所訓練出來的模型在未看過的影像上的表現更加穩定。當使用大數據集在做模型的訓練時，模型中最後一個全連接層的神經元數目會和數據集中的人數相同

。當全連接層的大小很大時，會使得模型在訓練時難以收斂，因為模型的參數是隨機初始化的。因此我們提出了一個迭代地訓練與微調模型參數的方法，可以使得訓練中的損失函數收斂地較為平穩。此外，為了利用角度資訊來增強人臉辨識模型的表現，我們深入地分析一個以度量學習為基礎的方法，其目標是將一個人的側臉和正臉的特徵距離最小化。從性質上和量化的結果可以展示出我們針對人臉辨識所提出的訓練框架能達到不錯的成效。以下幾篇學術論文為組成此論文的根基：• Heng-Wei Hsu, Tung-Yu Wu, Sheng Wan, Wing Hung Wong, and Chen-Yi Lee, “QuatNet: Quate

rnion-Based Head Pose Estimation With Multiregression Loss,” IEEE Transactions on Multimedia, Aug 2018.• Heng-Wei Hsu, Tung-Yu Wu, Wing Hung Wong, and Chen-Yi Lee, “Correlation-based Face Detection for Recognizing Faces in Videos,” in IEEE International Conference on Acoustics, Speech and Signal Pro

cessing (ICASSP), pp. 3101–3105, Apr 2018.• Heng-Wei Hsu, Tung-Yu Wu, Sheng Wan, Wing Hung Wong, and Chen-Yi Lee, “Deep Metric Learning with Geometric Loss,” under review.• Sheng Wan, Tung-Yu Wu, Heng-Wei Hsu, Yi-Wei Chen, Wing H. Wong, and Chen-Yi Lee, “Model-based JPEG for Convolutional Neural Net

work Classifications,” under review.

MATLAB R2017a模式識別與智能計算

為了解決元素表示的問題，作者辛煥平 這樣論述：

本書以模式識別、智慧演算法應用為主線，以分析工程案例為輔助，做到了理論與實際演算法相結合，詳解設計思路和設計步驟，向讀者展示了怎樣運用MATLABR2017a進行演算法的設計與開發。   全書共12章，包括MATLAB的基礎知識、模式識別與智慧計算的概念、神經網路的演演算法分析、RBF網路的演演算法分析、模糊系統的演演算法分析、判別函數的演演算法分析、最優化的智慧計算、遺傳演演算法分析、粒子群演演算法分析、蟻群優化演演算法分析、模擬退火的演演算法分析、禁忌搜索的演演算法分析，讓讀者輕鬆利用MATLAB解決模式識別與智慧計算等問題，領略到利用MATLAB實現模式識別與智慧計算的簡單、易學、易上手

。   本書可作為廣大在校本科生和研究生的學習用書，也可作為科研人員和工程技術人員的參考用書。 辛煥平，男，1970年生，江西萬載人，副教授。1992年畢業于江西師大數學系，獲理學學士；1995年畢業江西財經大學，獲碩士學位；2002年于浙江大學獲得博士學位。現任佛山科學技術學院管理學系主任…… 第1章 走進MATLAB R2017a 1 1.1 瞭解MATLAB 1 1.1.1 MATLAB的優勢 1 1.1.2 MATLAB R2017a的新功能 2 1.1.3 MATLAB R2017a的安裝與啟動 4 1.1.4 MATLAB R2017a的工作

介面 8 1.1.5 MATLAB的快速入門 9 1.1.6 MATLAB的程式設計 13 1.2 MATLAB的幫助文檔 17 1.2.1 常用幫助命令 18 1.2.2 其他幫助命令 21 1.3 MATLAB的基本元素 23 1.3.1 設定陳述式 23 1.3.2 矩陣及其元素表示 24 1.3.3 矩陣的變換函數 27 1.3.4 矩陣的代數運算 29 1.3.5 矩陣函數 30 1.4 MATLAB的視覺化 33 1.4.1 二維平面圖形 33 1.4.2 三維繪圖 38 第2章 模式識別與智慧計算 43 2.1 模式識別 43 2.1.1 模式識別的定義 43 2.1.2 模式識

別的分類 43 2.1.3 模式識別的方法 44 2.1.4 統計模式識別 45 2.1.5 模式識別的應用 45 2.1.6 模式識別的發展潛力 46 2.2 分類分析 47 2.2.1 分類器的設計 47 2.2.2 分類器的構造和實施 48 2.2.3 分類器的基本類型 49 2.2.4 分類器的準確度評估方法 50 2.3 聚類分析 51 2.3.1 聚類與分類的區別 51 2.3.2 聚類的定義 51 2.3.3 模式相似度 52 2.3.4 聚類準則 53 2.3.5 層次聚類法 55 2.3.6 動態聚類法 55 2.4 模式識別在科學研究中的應用 56 2.5 距離判別分析 6

7 2.6 貝葉斯判別 71 2.7 智慧計算 75 2.8 基於群體智慧優化的聚類分析 76 第3章 神經網路的演算法分析 83 3.1 神經網路的基本概念 83 3.1.1 生物神經元的結構及功能特點 83 3.1.2 人工神經元模型 85 3.1.3 神經網路的分類 86 3.1.4 神經網路的學習 89 3.2 感知器神經網路 90 3.2.1 單層感知器 90 3.2.2 單層感知器的演算法 91 3.2.3 感知器的實現 93 3.3 BP神經網路 95 3.3.1 BP神經網路的結構 96 3.3.2 BP神經網路的學習演算法 97 3.3.3 BP神經網路的局限性 98 3.3

.4 BP神經網路的實現 99 3.4 自組織競爭神經網路 102 3.4.1 自組織競爭神經網路的結構 103 3.4.2 自組織競爭網路的學習策略 104 3.4.3 SOM網的學習演算法 106 3.4.4 學習向量量化網路 108 3.4.5 自組織競爭網路的實現 109 3.5 回饋神經網路 118 3.5.1 Hopfield神經網路 118 3.5.2 Elman神經網路 124 第4章 RBF網路的演算法分析 131 4.1 徑向基神經網路 131 4.1.1 RBF神經網路結構 131 4.1.2 RBF神經網路的訓練 133 4.1.3 RBF神經網路逼近 133 4.1.

4 RBF自校正控制 134 4.1.5 自我調整RBF神經網路 135 4.1.6 RBF神經網路的直接魯棒自我調整 137 4.1.7 徑向基神經網路的優缺點 139 4.1.8 徑向基神經網路的實現 140 4.2 概率神經網路 144 4.3 廣義回歸神經網路 150 4.3.1 廣義回歸神經網路的理論 150 4.3.2 廣義回歸神經網路的結構 151 4.3.3 廣義回歸神經網路的優點 152 4.3.4 廣義神經網路的實現 153 第5章 模糊系統的演算法分析 155 5.1 模糊系統的理論基礎 155 5.1.1 模糊系統的研究領域 155 5.1.2 模糊集合 156 5.1

.3 模糊規則 160 5.1.4 模糊推理 160 5.2 模糊邏輯工具箱 167 5.2.1 模糊邏輯工具箱的功能和特點 167 5.2.2 模糊推理系統的基本類型 168 5.2.3 模糊邏輯系統的構成 169 5.2.4 模糊邏輯系統的實現 169 5.3 模糊模式識別的方法 177 5.3.1 最大隸屬度原則 177 5.3.2 選擇原則 178 5.4 模糊神經網路 179 5.4.1 模糊神經網路的發展動向 180 5.4.2 Mamdani模型的模糊神經網路 180 5.4.3 Takagi-Sugeno模型的模糊神經網路 181 5.4.4 模糊神經系統的實現 182 5.5

模糊聚類分析 188 5.6 模糊逼近 194 5.6.1 模糊系統的設計 194 5.6.2 模糊系統的逼近精度 195 5.6.3 模糊逼近的實現 195 第6章 判別函數的演算法分析 201 6.1 核函數方法 201 6.2 基於核的主成分分析方法 203 6.2.1 主成分分析 204 6.2.2 基於核的主成分分析 206 6.2.3 核主成分分析的實現 208 6.3 基於核的FISHER判別方法 214 6.3.1 Fisher判別方法 214 6.3.2 基於核的Fisher演算法的應用 214 6.4 基於核的投影尋蹤法 217 6.4.1 投影尋蹤法 217 6.4.2

基於核的投影尋蹤分析 220 6.5 勢函數法 224 6.6 支持向量機 229 第7章 最優化的智慧計算 241 7.1 最優問題的數學描述 241 7.2 線性規劃智慧計算 243 7.2.1 線性規劃問題的求解 245 7.2.2 線性規劃的智慧計算的實現 248 7.3 整數規劃智慧計算 251 7.3.1 整數規劃的數學模型 252 7.3.2 整數規劃的智慧計算實現 256 7.4 非線性規劃智慧計算 259 7.4.1 非線性規劃的數學模型 259 7.4.2 求解非線性規劃智慧計算的方法 259 7.4.3 非線性規劃智慧計算的實現 264 7.5 二次規劃智慧計算 268

7.5.1 二次規劃問題的數學模型 268 7.5.2 二次規劃問題的方法 269 7.5.3 二次規劃的智慧計算應用 269 7.6 多目標規劃的智慧計算 272 7.6.1 多目標規劃的數學模型 272 7.6.2 多目標規劃問題的處理方法 272 7.6.3 多目標規劃智慧計算的實例 277 第8章 遺傳演算法分析 281 8.1 遺傳演算法的基本概述 281 8.1.1 遺傳演算法的特點 282 8.1.2 遺傳演算法的不足 283 8.1.3 遺傳演算法的構成要素 283 8.1.4 遺傳演算法的應用步驟 284 8.1.5 遺傳演算法的應用領域 286 8.2 遺傳演算法的分析

287 8.2.1 染色的編碼 287 8.2.2 適應度函數 288 8.2.3 遺傳運算元 289 8.3 控制參數的選擇 291 8.4 遺傳演算法的MATLAB實現 292 8.5 遺傳演算法的尋優計算 293 8.6 遺傳演算法求極大值 298 8.6.1 二進位編碼求極大值 299 8.6.2 實數編碼求極大值 303 8.7 基於GA_PSO演算法的尋優 307 8.8 GA的旅行商問題求解 309 8.8.1 定義TSP 310 8.8.2 遺傳演算法中的TSP演算法步驟 310 8.8.3 地圖TSP的求解 311 8.9 遺傳演算法在實際領域中的應用 313 第9章 粒子群

演算法分析 316 9.1 PSO演算法的尋優計算 316 9.1.1 基本粒子群的演算法 317 9.1.2 粒子群演算法的優化 318 9.2 粒子群優化 332 9.2.1 粒子群的基本原則 332 9.2.2 粒子的基本原理 332 9.2.3 參數分析 334 9.2.4 粒子演算法的研究現狀 334 9.2.5 粒子群演算法研究的發展趨勢 335 9.2.6 粒子群的應用 335 9.3 PSO改進策略 339 9.3.1 粒子群演算法的改進 339 9.3.2 加快粒子群演算法的效率 340 第10章 蟻群優化演算法分析 352 10.1 人工螞蟻與真實螞蟻的異同 352 10.

2 蟻群優化演算法理論的研究現狀 353 10.3 蟻群優化演算法的基本原理 354 10.3.1 蟻群優化演算法的基本思想 354 10.3.2 蟻群優化演算法的基本模型 355 10.3.3 蟻群優化演算法的特點 357 10.3.4 蟻群優化演算法的優缺點 358 10.4 蟻群優化演算法的改進 359 10.4.1 自我調整蟻群優化演算法 359 10.4.2 融合遺傳演算法與蟻群優化演算法 359 10.4.3 蟻群神經網路 359 10.5 聚類問題的蟻群優化演算法 360 10.5.1 聚類數目已知的聚類問題 361 10.5.2 聚類數目未知的聚類問題 362 10.6 ACO

演算法的TSP求解 363 第11章 模擬退火演算法分析 375 11.1 模擬退火的基本概念 375 11.1.1 物理退火過程 375 11.1.2 Metropolis準則 376 11.2 類比退火演算法的基本原理 376 11.3 類比退火尋優的實現步驟 377 11.4 模擬退火的控制參數 377 11.5 模擬退火改進K均值聚類法 379 11.5.1 K均值演算法的局限性 379 ……..

2015~2017年台灣都會區細懸浮微粒(PM2.5)金屬元素濃度時間及空間變化

為了解決元素表示的問題，作者林乃芸 這樣論述：

細懸浮微粒(氣動粒徑小於或等於2.5 μm的粒狀物質, PM2.5)對於環境及民眾健康有重大的影響，本文分析「104-105年細懸浮微粒(PM2.5)化學成分監測專案工作計畫」及「細懸浮微粒(PM2.5)化學成分監測及分析計畫」於2015年7月至2017年12月在板橋、忠明、嘉義、斗六、小港、花蓮環保署空氣品質監測站採集的化學成分數據，探討PM2.5質量濃度及金屬元素季節變化趨勢、金屬元素可能來源、高PM2.5濃度(>35 μg m-3)與低濃度(