神經網絡模型及漁業應用 袁紅春 9787313241511 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202502*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：神經網絡模型及漁業應用
ISBN：9787313241511
出版社：上海交通大學
著編譯者：袁紅春
頁數：242
所在地：中國大陸 *此為代購商品
書號：1717986
可大量預訂，請先連絡。

內容簡介
本書詳細介紹了人工神經網絡和深度學習模型的原理，並在此基礎上增加了關於漁業應用的實際案例以供學習。本書分為基礎篇、實戰篇及附錄，基礎篇共有14章，主要介紹神經網絡和深度學習模型和算法，包括：緒論、人工神經網絡基礎、感知器、BP網絡、RBF網絡、對傳網、Hopfield網絡、NARX網絡、自適應共振理論、深度信念網絡、循環神經網絡、卷積神經網絡、生成式對抗網絡和Transformer網絡。實戰篇主要為筆者團隊長期積累的研究成果與實際案例，包括基於BP神經網絡的溶解氧預測、基於LSTM的漁業產量預測、基於CNN的水產圖像識別、基於U-Net的魚群遊動視頻預測、基於YOLOv5的水下珍品目標檢測、基於信息蒸餾的水下圖像超分辨率生成。附錄包括深度學習環境及PyCharm的搭建。
本書可作為高等院校人工智能、計算機、自動化、電子和通信等相關專業的研究生或本科生教材，也可供相關領域的研究人員和技術工程師參考。

作者簡介
袁紅春，教授，上海海洋大學，研究方向：智慧漁業。經濟管理學院（漁業）教學副院長。發表論文著述30余篇，曾獲國家科技進步二等獎，上海市科技進步一等獎，中國水產科學研究院科技進步二等獎，等獎項。

目錄

基礎篇
第1章 概論
1 1 概述
1 2 人工神經網絡提出
1 3 人工神經網絡的特點
1 4 人工神經網絡簡史
本章 小結
參考文獻
第2章 人工神經網絡基礎
2 1 概述
2 2 生物神經網絡
2 3 人工神經元
2 4 人工神經網絡的拓撲特性
2 5 存儲與映射
2 6 人工神經網絡的訓練
本章 小結
參考文獻
第3章 感知器
3 1 概述
3 2 感知器與人工神經網絡的早期發展
3 3 單層感知器
3 4 多層感知器
本章 小結
參考文獻
第4章 BP網絡
4 1 概述
4 2 基本BP算法
4 3 算法的改進
4 4 算法的理論推導
4 5 幾個問題的討論
本章 小結
參考文獻
第5章 RBF網絡
5 1 概述
5 2 RBF神經網絡的結構
5 3 RBF的訓練準則和基本算法
5 4 RBF與BP網絡比較分析
本章 小結
參考文獻
第6章 對傳網
6 1 概述
6 2 網絡結構
6 3 網絡的正常運行
6 4 Kohonen層的訓練
6 5 Kohonen層連接權的初始化方法
6 6 Grossberg層的訓練
6 7 擴展說明
本章 小結
參考文獻
第7章 Hopfield神經網絡
7 1 概述
7 2 Hopfield神經網絡的簡介
7 3 Hebb學習規則
7 4 離散型Hopfield神經網絡
7 5 連續型Hopfield神經網絡
7 6 收斂到穩定狀態
7 7 Hopfield網絡的幾個應用
本章 小結
參考文獻
第8章 NARX網絡
8 1 概述
8 2 NARX網絡的基本結構
8 3 NARX網絡訓練算法
8 4 NARX網絡的應用
本章 小結
參考文獻
第9章 自適應共振理論
9 1 概述
9 2 網絡的可塑性與不可塑性
9 3 ART的結構
9 4 ART的初始化
9 5 ART的實現
本章 小結
參考文獻
第10章 深度信念網絡
10 1 概述
10 2 深度信念網絡基本原理
10 3 受限玻爾茲曼機
10 4 深度信念網絡訓練算法流程
10 5 深度信念網絡的應用
本章 小結
參考文獻
第11章 循環神經網絡
11 1 概述
11 2 循環神經網絡基本原理
11 3 長短期記憶網絡
11 4 LSTM網絡的應用
本章 小結
參考文獻
第12章 卷積神經網絡
12 1 概述
12 2 網絡結構
12 3 訓練方法
12 4 常見網絡模型
本章 小結
參考文獻
第13章 生成式對抗網絡
13 1 概述
13 2 生成式對抗網絡簡介
13 3 GAN的衍生模型
本章 小結
參考文獻
第14章 Transformer網絡
14 1 概述
14 2 Transformer的簡介
14 3 Transformer的衍生模型
本章 小結
參考文獻
實戰篇
第15章 應用案例
15 1 基於BP神經網絡的溶解氧預測
15 2 基於LSTM的漁業產量預測
15 3 基於CNN的水產圖像識別方法
15 4 基於U-Net的魚群遊動視頻幀預測
15 5 基於YOLOv5的水下珍品目標檢測
15 6 基於信息蒸餾的水下圖像超分生成
附錄
附錄1 深度學習環境搭建
附錄2 PyCharm環境配置

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。