返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]面向自主驾驶场景感知的循环神经架构何振,刘大学,贺汉
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 何振,刘大学,贺汉根著 | 何振,刘大学,贺汉根编 | 何振,刘大学,贺汉根译 | 何振,刘大学,贺汉根绘
    • 出版社: 国防工业音像出版社
    • 出版时间:2023-02-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 何振,刘大学,贺汉根著| 何振,刘大学,贺汉根编| 何振,刘大学,贺汉根译| 何振,刘大学,贺汉根绘
    • 出版社:国防工业音像出版社
    • 出版时间:2023-02-01
    • 版次:1
    • 印次:1
    • 字数:136000
    • 页数:132
    • 开本:其他
    • ISBN:9787118127836
    • 版权提供:国防工业音像出版社
    • 作者:何振,刘大学,贺汉根
    • 著:何振,刘大学,贺汉根
    • 装帧:平装
    • 印次:1
    • 定价:80
    • ISBN:9787118127836
    • 出版社:国防工业出版社
    • 开本:其他
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-02-01
    • 页数:132
    • 外部编号:小坞121017
    • 版次:1
    • 成品尺寸:暂无


    第1章 绪论
    1.1 研究背景
    1.1.1 自主驾驶
    1.1.2 自主驾驶场景感知
    1.1.3 面向自主驾驶场景感知的深度学习
    1.2 研究内容
    1.3 国内外的研究现状
    1.3.1 动态场景预测
    1.3.2 多目标检测
    1.3.3 多目标跟踪
    1.3.4 局部路径规划
    1.4 展望

    第2章 面向动态场景预测的张量式循环神经网络
    2.1 引言
    2.2 方法
    2.2.1 张量化隐状态
    2.2.2 合并深度计算
    2.2.3 扩展为LSTM
    2.2.4 处理结构化输入
    2.3 实验
    2.3.1 任务1:文本生成
    2.3.2 任务2:文本计算
    2.3.3 任务3:图像分类
    2.3.4 任务4:动态场景预测
    2.3.5 记忆单元的可视化
    2.4 相关工作
    2.4.1 卷积LsTM
    2.4.2 深度LSTM
    2.4.3 其他并行化方法
    2.5 本章小结

    第3章 面向无监督多目标检测的记忆式循环注意力网络
    3.1 引言
    3.2 无监督多目标检测:通过渲染进行检测
    3.2.1 概述
    3.2.2 特征提取器
    3.2.3 循环目标检测器
    3.2.4 渲染器
    3.2.5 损失
    3.3 记忆式循环注意力网络
    3.4 实验
    3.4.1 Sprites数据集
    3.4.2 DukeMTMC数据集
    3.4.3 TUD数据集
    3.4.4 UMOD-MRAN数据集的可视化
    3.5 相关工作
    3.6 本章小结

    第4章 面向无监督多目标跟踪的重优先化循环注意力网络
    4.1 引言
    4.2 通过生成动画进行跟踪
    4.2.1 概述
    4.2.2 特征提取器
    4.2.3 跟踪器阵列
    4.2.4 渲染器
    4.2.5 损失
    4.3 重优先化注意式跟踪
    4.3.1 使用注意力
    4.3.2 将输入作为记忆
    4.3.3 重优先化跟踪器
    4.3.4 使用自适应计算时间
    4.4 实验
    ……
    第5章 基于双过程理论的分层局部路径规划
    参考文献
    附录A 面向动态场景预测的张量式循环神经网络
    附录B 面向无监督多目标检测的记忆式循环注意力网络
    附录C 面向无监督多目标跟踪的重优先化循环注意力网络


      《面向自主驾驶场景感知的循环神经架构》针对自主驾驶场景感知中的动态场景预测、多目标检测和多目标跟踪这三个关键任务,分别介绍了三种不同的深度循环神经架构,讨论了如何在保证场景感知性能良好的情况下,有效缓解深度学习中存在的数据需求量大、人工标签需求量大.以及缺乏可解释性的三个重要问题。为进一步提高自主驾驶对场景的适应性,该书也对局部路径规划算法进行了深入探讨。
      《面向自主驾驶场景感知的循环神经架构》可作为高等院校自动化、人工智能等相关专业本科生的参考教材,也可作为从事自主驾驶研究的科研人员、军队无人作战指挥人员的参考资料。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购