中外學者論AI-遙感腦理論及應用 焦李成 侯彪 劉芳 等 9787302627630 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：中外學者論AI-遙感腦理論及應用
ISBN：9787302627630
出版社：清華大學
著編譯者：焦李成 侯彪 劉芳 等
叢書名：中外學者論AI
頁數：384
所在地：中國大陸 *此為代購商品
書號：1509852
可大量預訂，請先連絡。

內容簡介

針對海量、動態、多維、異構的高解析度衛星遙感觀測數據，通過對高分辨壓縮信息的獲取（「感」），建立多尺度幾何分析的建模（「知」），完成特徵的學習和分析（「用」），從而提高對地觀測系統的綜合利用能力，這已成為遙感技術發展的必然趨勢。 本書從遙感腦的起源、實現、主要應用等方面，詳細討論了遙感腦的「感-知-用」等方面，內容豐富且涵蓋面廣，旨在幫助人工智能、遙感解譯等領域學者更全面、深入地了解遙感腦系統。全書共15章，系統地論述了遙感腦系統的理論基礎、感知與解譯應用。希望本書能為讀者呈現出遙感腦理論和應用等較為全面的脈絡、趨勢和圖景。 本書適用於涉及深度學習和圖像處理類高年級本科生、研究生以及廣大科技工作者。

目錄

第1章 遙感腦的研究背景及意義
1 1 遙感技術
1 2 遙感數據特性
1 3 類腦生物特性
1 3 1 稀疏性
1 3 2 學習性
1 3 3 選擇性
1 3 4 方向性
1 4 遙感腦模型
參考文獻
第2章 壓縮感知基礎
2 1 稀疏編碼與字典學習
2 1 1 稀疏編碼
2 1 2 字典學習
2 2 壓縮測量矩陣
2 2 1 非確定性矩陣
2 2 2 確定性矩陣
2 3 壓縮優化重建
2 3 1 貪婪迭代演算法
2 3 2 迭代閾值演算法
2 3 3 凸鬆弛重構
2 3 4 非凸重構
2 3 5 進化演算法
2 3 6 深度學習重構演算法
參考文獻
第3章 遙感成像機理與特性
3 1 高光譜遙感影像
3 1 1 高光譜成像原理
3 1 2 常用高光譜數據集
3 2 SAR影像
3 2 1 SAR成像原理
3 2 2 SAR影像特性
3 2 3 常用SAR影像數據集
3 3 極化SAR影像
3 3 1 極化SAR成像原理
3 3 2 極化SAR影像特性
3 3 3 常用極化SAR影像數據集
3 4 機載LiDAR點雲影像
3 4 1 機載LiDAR成像原理
3 4 2 機載LiDAR影像特性
3 4 3 常用機載LiDAR數據集
3 5 遙感光學影像
3 5 1 場景分類數據集
3 5 2 常用變化檢測數據集
3 5 3 常用語義分割數據集
3 5 4 常用目標檢測數據集
3 6 遙感視頻
3 6 1 遙感視頻原理
3 6 2 遙感視頻特性
3 6 3 常用遙感視頻數據集
參考文獻
第4章 腦啟發的深度神經網絡
4 1 神經網絡的發展歷史
4 2 自編碼器
4 2 1 一般自編碼器
4 2 2 稀疏自編碼器
4 2 3 變分自編碼器
4 2 4 圖自編碼器
4 2 5 遙感領域中的應用
4 3 深度生成網路
4 3 1 貝葉斯網路
4 3 2 深度置信網路
4 3 3 卷積深度置信網路
4 3 4 判別深度置信網路
4 3 5 遙感領域中的應用
4 4 淺層卷積神經網絡
4 4 1 LeNet
4 4 2 AlexNet
4 4 3 ZFNet
4 4 4 全卷積網路
4 4 5 UNet
4 4 6 SegNet
4 4 7 VGG網路
4 4 8 GoogLeNet
4 4 9 遙感領域中的應用
4 5 類殘差網路
4 5 1 ResNet
4 5 2 ResNeXt
4 5 3 DenseNet
4 5 4 DPN網路
4 5 5 Inception網路
4 5 6 遙感領域中的應用
4 6 遞歸神經網絡
4 6 1 循環神經網絡
4 6 2 LSTM網路
4 6 3 GRU網路
4 6 4 Conv-LSTM網路
4 6 5 遙感領域中的應用
4 7 生成對抗網路
4 7 1 GAN基礎
4 7 2 CGAN
4 7 3 DCGAN
4 7 4 CycleGAN
4 7 5 WGAN
4 7 6 遙感領域中的應用
4 8 膠囊網路
4 8 1 膠囊網路原理
4 8 2 矩陣膠囊網路
4 8 3 堆疊膠囊自編碼器
4 8 4 遙感領域中的應用
4 9 圖卷積神經網絡
4 9 1 圖的基本定義
4 9 2 圖信號處理
4 9 3 GCN
4 9 4 遙感領域中的應用
參考文獻
第5章 腦與自然啟發的學習優化
5 1 多尺度學習
5 1 1 多尺度學習原理
5 1 2 SSD網路
5 1 3 FPNet
5 1 4 PANet
5 1 5 ThunderNet
5 1 6 Libra R-CNN
5 1 7 遙感領域中的應用
5 2 注意力學習
5 2 1 注意力學習原理
5 2 2 STN
5 2 3 SENet
5 2 4 SKNet
5 2 5 遙感領域中的應用
5 3 Siamese協同學習
5 3 1 Siamese協同學習原理
5 3 2 MatchNet
5 3 3 Siamese FC網路
5 3 4 CFNet
5 3 5 Siamese RPN
5 3 6 遙感領域中的應用
5 4 強化學習
5 4 1 強化學習原理
5 4 2 面向值函數的深度強化學習
5 4 3 面向策略梯度的深度強化學習
5 4 4 遙感領域中的應用
5 5 遷移學習
5 5 1 遷移學習原理
5 5 2 遷移學習分類
5 5 3 遙感領域中的應用
5 6 聯邦學習
5 6 1 聯邦學習原理
5 6 2 聯邦學習分類
5 6 3 聯邦學習與神經網絡學習之間的差異
5 6 4 聯邦學習與分散式學習之間的差異
5 6 5 遙感領域中的應用
參考文獻
第6章 遙感影像重建
6 1 基於邊緣信息指導的壓縮感知影像重建
6 1 1 邊緣信息的提取方法
6 1 2 基於邊緣信息指導的MP演算法
6 1 3 實驗結果與分析
6 2 基於進化正交匹配追蹤的壓縮感知影像重構
6 2 1 編碼與解碼
6 2 2 進化正交匹配策略
6 2 3 實驗結果與分析
6 3 本章小結
參考文獻
第7章 遙感影像配准
7 1 基於深度特徵表示的遙感影像配准
7 1 1 特徵表示匹配網路模型
7 1 2 基於空間關係的局部特徵匹配策略
7 1 3 實驗結果與分析
7 2 基於雙支路的卷積深度置信網的遙感影像匹配
7 2 1 自適應領域的樣本選擇策略
7 2 2 雙支
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。