- 商品参数
-
- 作者:
赵小川著
- 出版社:机械工业出版社
- 出版时间:2021-05
- ISBN:9785367091487
- 版权提供:机械工业出版社
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!
2.店铺无纸质均开具电子,请联系客服开具电子版
![]()
![]()
![]()
案例1:巧妇难为无米之炊:数据集的制作与加载/
1.1 机器学习中的数据集/
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 CNN的核心——“卷积”/
2.2 卷积神经网络的结构及原理/
2.3 从仿生角度看卷积神经网络/
2.4 基于深度学习工具箱函数构造卷积神经网络/
2.5 采用 Deep Network 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:LeNet卷积神经网络的应用:红绿灯识别/
4.1 LeNet卷积神经网络/
4.2 基于改进LeNet的交通灯识别/
4.3 例程实现与解析/
案例5:AlexNet卷积神经网络的应用:基于迁移学习的图像分类
5.1 什么是迁移学习
5.2 从不同的角度看迁移学习/
5.3 AlexNet网络的原理/
5.4 基于AexNet实现迁移学习的步骤/
5.5 AlexNet的加载方法/
5.6 如何对AlexNet进行改进以实现迁移学习/
5.7 本节所用到的函数解析/
5.8 例程现与解析/
5.9 采用Deep Network Designer辅助实现迁移学习/
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网络的原理及特点/
6.2 支持向量机分类的原理/
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性数据/
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 例程与解析/
案例8:ResNet残差网络的应用:新冠肺炎胸片检测/
8.1 深度习技术在抗击疫情中的应用/
8.2 ResNet网络简介/
8.3 基于ResNet的新冠肺炎胸片检测的实现步骤/
8.4 ResNet的加载方法/
8.5 对ResNet进行调整以实现迁移学习/
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RCNN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-CNN目标检测算法的原理及实现过程/
9.4 基于Image Labeler的RCNN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的日语元音序列分类示例/
11.1 利用LSTM实现日语元音序列分类的步骤/
11.2 日语元音序列分类程序详解/
案例12:深度学习助力医学发展:基于Inception-v3网络迁移学习的视网膜病变检测/
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InceptionV3上应用迁移学习实现DR图像分类/
12.5 例程实现与解析/
12.6 通过类激活映射来辅助诊断/
案例13:知己知彼:深度神经网络的脆弱性及AI对抗技术/
13.1 深度神经网络的脆弱性/
13.2 AI对抗技术及其发展趋势/
案例14:识音辨意:基于深度学习的语音识别/
14.1 下载Spech Commands 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 评价最终结果/
14.8 网络的大小与单次推理时间/
案例15:方便快捷:深度学习模型代码的自动生成/
15.1 深度学习网络模型: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平台的代码生成工具/
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深度学习工具箱中/
.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 SqueezeNet简介/
17.3 自动生成C++代码及其在树莓派上的实现/
1