基於生成對抗網絡的圖像分類研究及其在脈衝星候選體識別中的應用周林勇 9787564393892 【台灣高等教育出版社】

Name: 基於生成對抗網絡的圖像分類研究及其在脈衝星候選體識別中的應用 周林勇 9787564393892 【台灣高等教育出版社】
Brand: abooksthep
Price: 356.0 TWD
Availability: InStock

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：成都西南交大

NT$356

商品編號:

供貨狀況: 尚有庫存

加入最愛

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：202307*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：基於生成對抗網絡的圖像分類研究及其在脈衝星候選體識別中的應用
ISBN：9787564393892
出版社：成都西南交大
著編譯者：周林勇
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1561137
可大量預訂，請先連絡。

國家重大工程、被譽為「中國天眼」的500m口徑球面射電望遠鏡(FAST)的主要科學目標之一是尋找脈衝星。然而如何從海量脈衝星候選體中可靠、智能、高效地篩選出優質脈衝信號是亟待解決的問題。本書為學術著作，以FAST脈衝星候選體識別為應用背景，探索了不平衡數據的分類、生成以及半監督學習等問題。本書共6章，主要內容包括緒論、生成對抗網絡、基於輔助分類器生成對抗網絡的圖像識別、基於生成對抗網絡的半監督學習、脈衝星候選體識別、總結與展望等。本書通過改進網絡結構、重構損失函數提出了一種新的圖像識別模型CP-ACGAN，同時基於生成對抗網絡(GANs)提出一種新的圖像識別模型ICAT，將其應用到脈衝星候選體數據集FAST和HTRU上，改善了傳統基於深度學習的識別方法面臨的模型偏移和效果不佳等問題。該模型只需要對少量樣本進行標記，便可達到與全監督CNN模型相同的識別效果，不僅降低了因樣本標記帶來的人力、物力等成本，而且對標籤樣本稀缺的數據集也有顯著作用。
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。