深度學習與圖像處理-基礎.進階與案例實戰 郭業才 梁美玉 9787111782100 【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：202507*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：深度學習與圖像處理-基礎.進階與案例實戰
ISBN：9787111782100
出版社：機械工業
著編譯者：郭業才 梁美玉
頁數：357
所在地：中國大陸 *此為代購商品
書號：1745224
可大量預訂，請先連絡。

編輯推薦 本書圍繞深度學習在圖像處理領域的最新研究成果，從科學性、系統性、應用性和進階性四個視角進行了全面闡述。從科學性視角出發，詳細介紹了深度學習網絡進階模型的原理與特徵；從系統性視角出發，本書所涉及的各種深度學習網絡均起始於結構剖析，側重於原理論述，落腳于方法在圖像處理領域的應用，形成了完整的體繫結構；從應用性視角出發，本書以圖像處理中的最新應用為實戰案例，展示了用深度學習解決圖像處理問題的全過程，實現了抽象問題具體化和理論問題可視化；從進階性視角出發，本書從Python語言的基礎開始，逐步延伸到機器學習、圖像處理基礎、標準深度學習模型、進階深度學習模型以及應用實戰，擴展了深度學習網絡的功能，提升了應用實效。這些內容為研究人員提供了創新思路和方法。

內容簡介 本書分為基礎、進階、實戰三部分，共11章。基礎部分，包括Python環境與基礎、機器學習、圖像處理基礎、深度學習基礎與深度神經網絡。進階部分，包括圖神經網絡、空洞多級卷積神經網絡、深度強化學習與深度生成對抗網絡。實戰部分，包括基礎實戰案例和進階實戰案例。 本書按基礎-進階-應用的邏輯脈絡組織內容，融理論性、系統性、實戰性於一體，適合人工智能、計算機、自動化、電子與通信、大數據科學等相關專業的科學研究人員和工程技術人員閱讀，也可作為相關專業博士、碩士研究生的教學參考書。

目錄 第1章 Python環境與基礎
1 1 Python語言的開發環境
1 1 1 Jupyter Notebook
1 1 2 OpenCV
1 1 3 TensorFlow
1 1 4 PyTorch
1 1 5 Paddle Paddle
1 2 Python基礎知識
1 2 1 Python編程基礎
1 2 2 Python函數進階
1 3 基於Python的數據分析與可視化
1 3 1 Python的數據分析庫與數據可視化庫
1 3 2 基於Python的數據分析
1 3 3 基於Python的數據可視化
1 4 基於Python的聚類算法
1 4 1 聚類分析
1 4 2 聚類算法
第2章 機器學習
2 1 機器學習的發展
2 2 機器學習的問題描述
2 3 機器學習的理論基礎與主要方法
2 3 1 機器學習的理論基礎
2 3 2 機器學習的主要方法
2 3 3 機器學習的經典模型
2 3 4 機器學習的知識圖譜
2 3 5 機器學習的三要素
2 4 機器學習的基本流程
2 4 1 機器學習的訓練流程
2 4 2 模型訓練的注意事項
2 5 數據挖掘及其基本步驟
2 5 1 數據挖掘
2 5 2 預測建模
2 5 3 數據挖掘的基本步驟
2 6 機器學習和數據挖掘的常用工具
第3章 圖像處理基礎
3 1 圖像去模糊
3 1 1 圖像模糊類型
3 1 2 圖像模糊退化模型
3 1 3 圖像先驗知識
3 2 圖像去噪
3 2 1 雜訊模型
3 2 2 傳統的圖像去噪方法
3 2 3 去噪效果評價指標
3 3 圖像全色銳化
3 3 1 成分替換法
3 3 2 GIHS變換融合
3 3 3 PCA變換融合
3 3 4 GS變換融合
3 3 5 多解析度分析法
3 3 6 小波變換法
3 3 7 模型優化法
3 4 圖像修復
3 4 1 圖像修復概念
3 4 2 傳統的圖像修復算法
3 4 3 常用的圖像修複數據集
第4章 深度學習基礎
4 1 神經網絡
4 1 1 生物神經元與人工神經元
4 1 2 感知器
4 2 神經網絡的訓練與優化
4 2 1 神經網絡的訓練
4 2 2 神經網絡的優化算法
4 3 反向傳播算法
4 3 1 反向傳播算法思想
4 3 2 反向傳播算法過程
4 4 欠擬合與過擬合
4 4 1 基本概念
4 4 2 以減少特徵變數的方法防止過擬合
4 4 3 以權重正則化的方法防止過擬合
4 4 4 以交叉驗證的方法防止過擬合
4 4 5 以Dropout正則化的方法防止過擬合
4 4 6 貝葉斯正則化
第5章 深度神經網絡
5 1 深度神經網絡概述
5 1 1 深度神經網絡的工作原理
5 1 2 深度神經網絡的主要模型
5 2 卷積神經網絡
5 2 1 輸入層
5 2 2 隱藏層
5 2 3 輸出層（全連接層）
5 3 卷積神經網絡算法
5 3 1 鏈式法則
5 3 2 梯度下降與反向傳播算法
5 3 3 卷積層的誤差傳遞
5 3 4 卷積層權重梯度的計算
5 3 5 池化層的誤差傳遞
5 4 卷積神經網絡的訓練與優化
5 4 1 卷積神經網絡的工作流程
5 4 2 訓練與優化
5 4 3 卷積神經網絡與人工神經網絡的比較
第6章 圖神經網絡
6 1 圖神經網絡概述
6 1 1 圖神經網絡的出現與發展
6 1 2 圖神經網絡
6 2 經典的圖神經網絡
6 2 1 圖卷積網絡
6 2 2 圖樣本和聚合
6 2 3 圖注意力網絡
6 3 其他圖神經網絡模型
6 3 1 無監督的節點表示學習
6 3 2 圖池化
第7章 空洞多級卷積神經網絡
7 1 空洞多級模塊
7 1 1 空洞卷積
7 1 2 空洞多級模塊結構
7 2 基於卷積神經網絡的高效Pan-sharpening模型
7 2 1 數據集
7 2 2 超參數設置與網絡結構選擇
7 2 3 代價函數及其求解
7 3 深度學習結合模型優化的Pan-sharpening模型
7 3 1 基於梯度域的線性Pan-sharpening模型優化算法
7 3 2 基於深度梯度先驗的Pan-sharpening模型優化算法
7 4 多尺度空洞深度卷積神經網絡
7 4 1 SRCNN
7 4 2 超解析度多尺度空洞卷積神經網絡
7 4 3 多尺度多深度空洞卷積神經網絡
第8章 深度強化學習
8 1 組成與結構
8 1 1 基本概念
8 1 2 馬爾可夫決策過程
8 1 3 數學基礎
8 1 4 策略迭代
8 1 5 值迭代
8 2 深度學習與強化學習
8 2 1 深度學習與強化學習之不同
8 2 2 深度學習與強化學習之結合
8 3 基於值函數的深度強化學習
8 3 1 深度Q學習
8 3 2 DQN與Q學習的區別
8 3 3 改進深度Q網絡
8 4 基於策略梯度的深度強化學習
8 4 1 深度確定性策略梯度算法
8 4 2 非同步深度強化學習算法
8 4 3 信賴域策略優化及其衍生算法
第9章 深度生成對抗網絡
9 1 生成對抗網絡
9 1 1 生成網絡
9 1 2 鑒別網絡
9 1 3 損失函數
9 2 多尺度生成對抗網絡
9 2 1 多尺度結構
9 2 2 多尺度生成對抗網絡結構
9 2 3 損失函
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。