相關商品
商品簡介
目次
商品簡介
本書內容簡介：從零基礎開始，系統闡述卷積神經網絡理論基礎及其實踐應用，可以幫助初學者快速學習和構建深度學習系統。第1章簡要介紹了圖像表示和一些計算機視覺模型；第2章介紹了回歸、機器學習和優化的概念；第3章介紹了Rosenblatt感知器和感知器學習算法、logistic神經元及其激活函數，以及兩類和多類問題的單神經元模型等；第4章介紹了卷積池化層和CNN；第5章通過介紹CNN的一些當前新穎實用的用法，進一步拓展和豐富了深度神經網絡的結構。
目次
譯者序
作者簡介
前言
致謝
第1章視覺計算簡介
1.1圖像表示基礎
1.1.1變換域表示
1.1.2圖像的直方圖
1.1.3圖像梯度和邊緣
1.1.4超越圖像梯度
1.2基於Hough變換的直線檢測
1.3Harris角點
1.4尺度不變的特徵變換
1.5方向梯度直方圖
1.5.1人工設計特徵空間中的決策制定
1.5.2貝葉斯決策
1.5.3線性決策邊界
1.6可變形零件模型的實例研究
1.7計算機視覺向神經網絡轉變
本章小結
參考文獻
第2章回歸問題中的機器學習
2.1監督學習
2.2線性模型
2.3最小二乘法
2.4極大似然估計的解釋
2.5擴展到非線性模型
2.6正則化
2.7交叉驗證
2.8梯度下降
2.9幾何正則化
2.10非凸誤差面
2.11隨機梯度、批梯度及在線梯度下降
2.12其他自適應學習率的更新規則
2.13動量
本章小結
參考文獻
第3章 人工神經網絡
3.1感知器
3.2多層神經網絡
3.3反向傳播算法
3.4改進的反向傳播算法
3.4.1激活函數
3.4.2權重剪枝
3.4.3批量標準化
本章小結
參考文獻
第4章卷積神經網絡
4.1卷積與池化層
4.2卷積神經網絡
本章小結
參考文獻
第5章卷積神經網絡的新進展
5.1預訓練網絡
5.1.1通用性和可傳遞性
5.1.2利用預訓練網絡的模型壓縮
5.1.3Mentee網絡與FitNet
5.1.4使用預訓練網絡的應用：使用CNN的圖像美學
5.2生成網絡
5.2.1自動編碼器
5.2.2生成對抗網絡
本章小結
參考文獻
附錄AYann
後記
作者簡介
前言
致謝
第1章視覺計算簡介
1.1圖像表示基礎
1.1.1變換域表示
1.1.2圖像的直方圖
1.1.3圖像梯度和邊緣
1.1.4超越圖像梯度
1.2基於Hough變換的直線檢測
1.3Harris角點
1.4尺度不變的特徵變換
1.5方向梯度直方圖
1.5.1人工設計特徵空間中的決策制定
1.5.2貝葉斯決策
1.5.3線性決策邊界
1.6可變形零件模型的實例研究
1.7計算機視覺向神經網絡轉變
本章小結
參考文獻
第2章回歸問題中的機器學習
2.1監督學習
2.2線性模型
2.3最小二乘法
2.4極大似然估計的解釋
2.5擴展到非線性模型
2.6正則化
2.7交叉驗證
2.8梯度下降
2.9幾何正則化
2.10非凸誤差面
2.11隨機梯度、批梯度及在線梯度下降
2.12其他自適應學習率的更新規則
2.13動量
本章小結
參考文獻
第3章 人工神經網絡
3.1感知器
3.2多層神經網絡
3.3反向傳播算法
3.4改進的反向傳播算法
3.4.1激活函數
3.4.2權重剪枝
3.4.3批量標準化
本章小結
參考文獻
第4章卷積神經網絡
4.1卷積與池化層
4.2卷積神經網絡
本章小結
參考文獻
第5章卷積神經網絡的新進展
5.1預訓練網絡
5.1.1通用性和可傳遞性
5.1.2利用預訓練網絡的模型壓縮
5.1.3Mentee網絡與FitNet
5.1.4使用預訓練網絡的應用：使用CNN的圖像美學
5.2生成網絡
5.2.1自動編碼器
5.2.2生成對抗網絡
本章小結
參考文獻
附錄AYann
後記
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。