深度學習教程 楊小遠 劉建偉 9787030760531 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$623
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202309*若逾兩年請先於私訊洽詢存貨情況，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：深度學習教程 ISBN：9787030760531 出版社：科學 著編譯者：楊小遠 劉建偉 頁數：364 所在地：中國大陸 *此為代購商品 書號：1581417 可大量預訂，請先連絡。 內容簡介 本書兼顧深度學習的理論和應用，特彆強調大規模訓練應用案例，引導學生進入深度學習的前沿領域，主要內容有深度學習的核心理論問題：網路拓撲結構設計、網路參數初始化方法、大規模網路訓練的優化方法、正則化方法、激活函數的研究方法，書中引入深度學習在計算機視覺中的大型經典和前沿應用案例，包括圖像分類任務、目標檢測與跟蹤任務、多源遙感圖像融合任務、超解析度任務、圖像隱寫與圖像信息安全任務等內容。本書擁有豐富的數字化資源，掃描每章末二維碼即可觀看學習。 本書可供從事深度學習領域的科研人員和研究生使用。也可作為進入深度學習前沿領域的基礎教材。作者簡介 楊小遠，北京航空航天大學教授，長期致力於工科數學分析課程的教學研究和實踐。2012年獲寶鋼優秀教師獎，2013年被評為北京市教學名師，2013年獲北京市教學成果一等獎。主編的《工科數學分析教程》（上、下冊）被評為北京市精品教材、「十二五」普通高等教育本科國家級規劃教材，主講的」工科數學分析」被評為2018年國家精品在線開放課程。 楊小遠教授倡導並在教學中實踐研究型教學模式和成長式學習模式，發表教學研究論文30餘篇。在科研上，主要從事隨機微分方程理論與數值逼近、應用調和分析領域的研究，先後主持國家自然基金3項、北京市自然基金1項，在國際權威SCI源刊上發表學術論文40餘篇，出版《隨機微分方程有限元》與《基於框架理論的圖像融合》兩部專著。目錄 前言第1章 計算機視覺任務的基礎知識 1 1 遙感圖像基礎知識 1 1 1 遙感和遙感系統 1 1 2 遙感圖像成像機制 1 1 3 遙感圖像特徵 1 2 遙感圖像融合基礎知識 1 2 1 遙感圖像融合背景 1 2 2 遙感圖像融合類型 1 2 3 遙感圖像融合實現原理 1 3 遙感圖像超解析度任務基礎知識 1 3 1 遙感圖像超解析度背景 1 3 2 遙感圖像超解析度實現原理 1 4 目標檢測基礎知識 1 4 1 目標檢測任務基本原理 1 4 2 目標檢測任務常用評價指標及計算方法 1 5 目標跟蹤基礎知識 1 6 數據集 1 6 1 圖像分類常用數據集 1 6 2 目標檢測任務常用數據集 1 6 3 目標跟蹤任務常用數據集和評價標準 1 6 4 遙感圖像數據集 1 6 5 圖像隱寫數據集 1 6 6 人臉圖像數據集 1 7 數字化資源 第2章 神經網路和卷積神經網路基礎 2 1 神經元工作的數學表示 2 1 1 神經元工作的數學表示 2 1 2 神經元的一般化 2 2 什麼是神經網路 2 2 1 神經網路的結構 2 2 2 神經網路的訓練 2 2 3 神經網路的參數和變數 2 2 4 神經網路的代價函數和參數訓練 2 3 隨機梯度下降 2 4 神經網路正則化初步 2 4 1 模型選擇，欠擬合和過擬合 2 4 2 權重衰減 2 4 3 丟棄法 2 5 卷積神經網路基礎 2 5 1 卷積神經網路的基本思想 2 5 2 卷積神經網路的數學表示 2 5 3 卷積神經網路的誤差反向傳播 2 6 殘差網路 2 7 基於卷積神經網路的視覺注意力機制 2 7 1 空間域注意力 2 7 2 通道域注意力 2 7 3 混合域注意力 2 8 數字化資源 第3章 經典卷積神經網路結構 3 1 手寫數字識別任務 3 2 圖像分類任務 3 2 1 圖像分類研究背景 3 2 2 經典卷積神經網路結構：AlexNet 3 2 3 經典卷積神經網路結構：ResNet 3 2 4 經典卷積神經網路結構：GoogLeNet 3 3 數字化資源 第4章 激活函數的研究 4 1 激活函數的基本性質 4 1 1 無激活函數的神經網路 4 1 2 配備激活函數的神經網路 4 2 激活函數的理論分析 4 2 1 飽和激活函數 4 2 2 梯度消失和梯度爆炸問題 4 3 不可訓練的激活函數 4 3 1 經典激活函數 4 3 2 整流型激活函數 4 4 可訓練的激活函數 4 4 1 參數化標準激活函數 4 4 2 集成化激活函數 4 5 激活函數實驗分析 4 5 1 CIFAR-10/100的實驗 4 5 2 ImageNet的實驗 4 6 數字化資源 第5章 深度學習的優化演算法 5 1 優化演算法與深度學習 5 1 1 優化演算法與深度學習的關係 5 1 2 優化演算法在深度學習中的挑戰 5 2 隨機梯度下降演算法 5 3 動量法 5 3 1 梯度下降的問題 5 3 2 動量法 5 3 3 指數加權移動平均 5 3 4 從指數加權移動平均來理解動量法 5 3 5 NAG演算法 5 4 自適應梯度方法 5 4 1 AdaGrad演算法 5 4 2 RMSProp演算法 5 4 3 AdaDelta演算法 5 4 4 Adam演算法 5 4 5 AdaMax演算法 5 5 優化演算法實驗分析 5 5 1 小型機翼雜訊回歸的實驗 5 5 2 CIFAR-10的實驗 5 5 3 ImageNet的實驗 5 6 數字化資源 第6章 神經網路的正則化 6 1 理論框架 6 2 正則化方法 6 2 1 批量歸一化 6 2 2 權重衰減 6 2 3 Dropout 6 2 4 模型集成 6 2 5 數據擴增 6 2 6 提前終止 6 2 7 標籤平滑 6 2 8 多任務學習 6 2 9 添加雜訊 6 3 知識蒸餾技術 6 3 1 知識蒸餾 6 3 2 特徵蒸餾 6 3 3 自蒸餾 6 4 數字化資源 第7章 網路初始化方法 7 1 預備知識 7 1 1 常用隨機分佈 7 1 2 隨機變數的性質 7 2 Xavier初始化方法 7 3 Kaiming初始化方法 7 4 實驗分析 7 4 1 Xavier初始化實驗 7 4 2 Kaiming初始化實驗 7 5 數字化資源 第8章 生成對抗網路基本原理 8 1 生成對抗網路的基本介紹 8 1 1 生成對抗網路的結構 8 1 2 生成對抗網路的理論分析 8 1 3 原始生成對抗網路 8 2 生成對抗網路常見的模型結構 8 2 1 條件生成對抗網路 8 2 2 深度卷積生成對抗網路 8 2 3 漸進式增長生成對抗網路 8 2 4 對抗自編碼器 8 3 生成對抗網路的訓練問題 8 3 1 生成對抗網路存在的問題 8 3 2 穩定訓練的策略 8 4 基於Wasserstein距離的生成對抗網路 8 4 1 Wasserstein距離 8 4 2 基於Wasserstein距離的WGAN 8 5 數字化資源 第9章 基於卷積神經網路的計算機視覺任務 9 1 遙感圖像融合任務 9 1 1 卷積神經網路與遙感圖像融合的關係 9 1 2 遙感圖像融合評價方法與評價指標 9 1 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
