深度学经典案例解析(基于matlab) 人工智能 赵小川 新华正版
￥ 59.2 6.0折 ￥ 99 全新
库存18件
江苏无锡
认证卖家担保交易快速发货售后保障
作者赵小川
出版社机械工业出版社
ISBN9787111682936
出版时间2021-07
版次1
装帧平装
开本16
页数228页
字数294千字
定价99元
货号xhwx_1202425509
上书时间2024-04-18
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
1. 案例丰富：通过17个综合案例介绍深度学网络的构建、训练、应用及部署的2. 实例专业：涵盖交通标识检测、语音识别、车辆检测、肺炎胸片检测等应用
目录：
前言
基础篇
案例1 巧妇难为无米之炊：数据集的制作与加载
1.1 机器学中的数据集
1.2 如何加载matlab自带的数据集
1.3 如何加载自己制作的数据集
1.4 如何加载公开数据集：以cifar-10为例
1.5 如何划分训练集与验证集
1.6 如何扩充数据样本集
案例2 小试牛刀：如何构建一个卷积神经网络
2.1 n的核心——“卷积”
2.2 卷积神经网络的结构及
2.3 从仿生角度看卷积神经网络
2.4 基于深度学工具箱函数构造卷积神经网络
2.5 采用deep work designer实现卷积网络设计
2.6 其他与构建深度网络相关的函数
案例3 精雕细琢：如何训练一个卷积神经网络
3.1 基本概念一点通
3.2 实例需求与实现步骤
3.3 构建卷积神经网络
3.4 训练卷积神经网络
3.5 例程实现与解析
应用篇
案例4 le卷积神经网络的应用：红绿灯识别
4.1 le卷积神经网络
4.2 基于改进le的交通灯识别
4.3 例程实现与解析
案例5 alex卷积神经网络的应用：基于迁移学的图像分类
5.1 什么是迁移学
5.2 从不同的角度看迁移学
5.3 alex网络的
5.4 基于alex实现迁移学的步骤
5.5 alex的加载方法
5.6 如何对ale行改进以实现迁移学
5.7 本节所用到的函数解析
5.8 例程实现与解析
5.9 采用deep work designer辅助实现迁移学
案例6 vgg16卷积神经网络的应用：融合卷积神经网络与支持向量机的物体识别
6.1 vgg16网络的及特点
6.2 支持向量机分类的
6.3 基于vgg16与svm的物体识别
6.4 例程实现与解析
案例7 lstm长短期记忆神经网络的应用：心电图信号分类
7.1 从时间的角度看序列数据
7.2 序列建模之循环神经网络
7.3 基于门与记忆细胞构建序列模型的“长期依赖关系”
7.4 基于lstm实现心电图信号分类的步骤
7.5 本节所用到的函数解析
7.6 例程实现与解析
案例8 res残差网络的应用：新冠肺炎胸片检测
8.1 深度学技术在抗击疫情中的应用
8.2 res网络简介
8.3 基于res的新冠肺炎胸片检测的实现步骤
8.4 res的加载方法
8.5 对res进行调整以实现迁移学
8.6 例程实现与解析
实战篇
案例9 让机器的眼睛认识标志：基于r-n的交通标志检测
9.1 目标分类、检测与分割
9.2 目标检测及其难点问题
9.3 r-n目标检测算法的及实现过程
9.4 基于image labeler的r-n目标检测器构建
案例10 让机器的眼睛检测车辆：基于video labeler的车辆目标检测
10.1 车辆目标检测的需求
10.2 利用video labeler实现车辆目标检测的步骤
案例11 让机器的耳朵听明白声音：基于lstm的语元音序列分类示例
11.1 利用lstm实现语元音序列分类的步骤
11.2 语元音序列分类程序详解
案例12 深度学助力医学发展：基于ineeption-v3网络迁移学的视网膜病变检测
12.1 inception-v3深度网络介绍
12.2 kaggle竞赛眼疾检测数据集
12.3 数据集预处理
12.4 在inception-v3上应用迁移学实现dr图像分类
12.5 例程实现与解析
12.6 通过类激活映来辅助诊断
案例13 知己知彼：深度神经网络的脆弱及ai对抗技术
13.1 深度神经网络的脆弱
13.2 ai对抗技术及其发展趋势
案例14 识音辨意：基于深度学的语音识别
14.1 下载spech mands dataset数据集
14.2 标注数据集
14.3 划分训练集、验证集和测试集
14.4 对音频原始文件预处理
14.5 建立网络
14.6 训练网络
14.7 评价终结果
14.8 网络的大小与单次推理时间
案例15 方便快捷：深度学模型代码的自动生成
15.1 深度学网络模型：从开发到部署
15.2 matlab生成推理模型代码的步骤
15.3 安装gpu台的代码生成工具
15.4 代码生成例程实现与解析
案例16 互通共享：如何将在keras中设计训练的网络导入matlab深度学工具箱中
16.1 导入网络的详细步骤
16.2 例程实现与解析
案例17 快速部署：如何将训练好的深度神经网络部署到树莓派上
17.1 什么是树莓派
17.2 squeeze简介
17.3 自动生成c++代码及其在树莓派上的实现
参文献
内容简介：
本书分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐进地介绍了深度学网络的构建、训练、应用，以及如何基于matlab快速生成可执行的c、c代码并在硬件上部署实现，内容讲解由浅及深、层层递进。本书所讲解的案例均配有代码实现，并对代码进行了详细注解，读者可通过阅读代码对本书讲解的内容进行更加深入的了解。本书适合对人工智能、深度学技术感兴趣的工程技术人员阅读，也适合人工智能、计算机科学技术相关专业的本科生、学参。
— 没有更多了 —
以下为对购买帮助不大的评价