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:

  • 基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用 周林勇 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 周林勇著
    • 出版社: 西南交通大学出版社
    • 出版时间:2023-07-01 00:00:00
    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:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 周林勇著
    • 出版社:西南交通大学出版社
    • 出版时间:2023-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-07-01
    • 字数:201000
    • 页数:376
    • 开本:32开
    • 装帧:平装
    • ISBN:9787564393892
    • 国别/地区:中国
    • 版权提供:西南交通大学出版社

    基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用

    作  者:周林勇 著
    定  价:56
    出 版 社:西南交通大学出版社
    出版日期:2023年07月01日
    页  数:376
    装  帧:平装
    ISBN:9787564393892
    主编推荐

    内容简介

    国家重大工程、被誉为“中国天眼”的500m口径球面射电望远镜(FAST)的主要科学目标之一是寻找脉冲星。然而如何从海量脉冲星候选体中可靠、智能、高效地筛选出优质脉冲信号是亟待解决的问题。本书为学术著作,以FAST脉冲星候选体识别为应用背景,探索了不平衡数据的分类、生成以及半监督学习等问题。本书共6章,主要内容包括绪论、生成对抗网络、基于辅助分类器生成对抗网络的图像识别、基于生成对抗网络的半监督学习、脉冲星候选体识别、总结与展望等。本书通过改进网络结构、重构损失函数提出了一种新的图像识别模型CP-ACGAN,同时基于生成对抗网络(GANs)提出一种新的图像识别模型ICAT,将其应用到脉冲星候选体数据集FAST和HTRU上,改善了传统基于深度学习的识别方法面临的模型偏移和效果不佳等问题。该模型只需要对少量样本进行标记,便可达到与全监督CNN模型相同的识别效果,不仅降低了因样本标记带来的人力、物null

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1国内外相关研究现状
    1.2本书研究内容及架构
    1.2.1研究内容
    1.2.2本书结构
    第2章神经网络与生成式对抗网络
    2.1神经网络
    2.1.1人工神经网络
    2.1.2卷积神经网络
    2.1.3神经网络在不平衡数据上的性能分析
    2.2混合概率随机池化方法
    2.2.1方法原理
    2.2.2方法提出
    2.2.3方法可行性分析
    2.2.4实验结果与分析
    2.2.5超参数的选择
    2.3生成对抗网络及其改进模型
    ……

    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