- 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:9782109181576
- 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
深度学习经典案例解析(基于MATLAB)
作 者:赵小川 著
定 价:99
出 版 社:机械工业出版社
出版日期:2021年07月01日
页 数:228
装 帧:平装
ISBN:9787111682936
●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 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AlexNet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 例程实现与解析
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 例程实现与解析
案例8 ResNet残差网络的应用:新冠肺炎胸片检测
8.1 深度学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R-CNN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R-CNN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Ineeption-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Inception-V3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 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
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 SqueezeNet简介
17.3 自动生成C++代码及其在树莓派上的实现
参考文献
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习网络的构建、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、深度学习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、研究生学习参考。
1