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:
本店所有商品

  • [正版]深度学习 基于稀疏和低秩模型 王章阳 机器学习 可解释性 人工智能 学习能力 大数据 维度约简 识别
  • 正版图书 品质保障
    • 作者: 王章阳,傅云,黄煦涛(Thomas著
    • 出版社: 机械工业出版社
    • 出版时间:2021-08
    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:
    友一个图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 王章阳,傅云,黄煦涛(Thomas著
    • 出版社:机械工业出版社
    • 出版时间:2021-08
    • 开本:16开
    • ISBN:9788423499626
    • 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

     

      商品基本信息

    商品名称:

      深度学习:基于稀疏和低秩模型

    作     者:

      [中]王章阳(Zhangyang Wang),[美]傅云(Yun Fu),[美]黄煦涛(Thomas S. Huang)

    市 场 价:

      89.00元

    ISBN  号:

      9787111689348

    页     数:

      232

    出 版 社:

      机械工业出版社


     

      目录

      译者序
    前言
    主要作者简介
    所有作者列表
    第1章引言1
    11深度学习基础1
    12稀疏与低秩模型基础2
    13连接深度学习与稀疏和低秩模型2
    14本书章节结构3
    15参考文献4
    第2章双层稀疏编码:高光谱图像分类示例7
    21引言7
    22公式和算法9
    221符号表示9
    222联合特征的提取和分类9
    223双层优化公式11
    224算法12
    23实验13
    231对AVIRIS印第安纳松树数据的分类性能16
    232对AVIRIS萨利纳斯数据的分类性能17
    233对帕维亚大学数据的分类性能18
    24结论19
    25附录20
    26参考文献21
    第3章深度0编码器:模型展开示例23
    31引言23
    32相关工作24
    321基于0和1的稀疏近似24
    3221近似的网络实现24
    33深度0编码器25
    331深度0正则化编码器25
    332深度M稀疏0编码器27
    333理论属性28
    34任务驱动的优化28
    35实验28
    351实现28
    3520稀疏近似的仿真29
    353在分类上的应用30
    354在聚类上的应用31
    36结论和关于理论属性的讨论33
    37参考文献33
    第4章单幅图像超分辨率:从稀疏编码到深度学习37
    41通过具有稀疏先验的深度网络实现可靠的单幅图像超分辨率37
    411引言37
    412相关研究38
    413基于稀疏编码网络的图像SR39
    414用于可扩展SR的网络级联43
    415真实场景下的鲁棒SR45
    416实现细节47
    417实验48
    418主观评价55
    419结论和未来工作57
    42学习单幅图像超分辨率的混合深度网络58
    421引言58
    422所提出的方法59
    423实现细节61
    424实验结果61
    425结论和未来工作65
    43参考文献66
    第5章从双层稀疏聚类到深度聚类69
    51稀疏编码和可判别聚类的联合优化框架69
    511引言69
    512模型表示70
    513面向聚类的成本函数71
    514实验74
    515结论79
    516附录79
    52学习用于聚类的任务特定的深度架构80
    521引言80
    522相关研究81
    523模型表示81
    524深入观察:DTAGnet的分层聚类84
    525实验结果85
    526结论92
    53参考文献92
    第6章信号处理95
    61深度优化的压缩传感技术95
    611背景95
    612压缩传感的端到端优化模型96
    613DOCS:前馈CS和联合优化CS97
    614实验99
    615结论102
    62用于语音去噪的深度学习103
    621引言103
    622用于光谱去噪的神经网络103
    623实验结果106
    624结论和未来工作110
    63参考文献111
    第7章维度约简113
    71带有局部限制的边缘化去噪字典学习113
    711引言113
    712相关研究114
    713带有局部限制的边缘化去噪字典学习模型116
    714实验124
    715结论131
    716未来工作131
    72学习用于哈希的深度∞编码器131
    721引言132
    722ADMM算法133
    723深度∞编码器134
    724用于哈希的深度∞连体网络136
    725图像哈希实验137
    726结论142
    73参考文献142
    第8章动作识别145
    81跨视角动作识别的深度学习的视角不变特征145
    811引言145
    812相关工作146
    813深度学习的视角不变特征147
    814实验152
    82基于混合神经网络的深度摄像机动作识别157
    821引言157
    822相关工作158
    823混合卷积递归神经网络159
    824实验163
    83结论166
    84参考文献167
    第9章风格识别和亲属关系理解171
    91基于深度学习的风格分类171
    911背景171
    912栈式自编码器的预备知识174
    913风格中心化自编码器174
    914共识风格中心化自编码器177
    915实验181
    92可视化亲属关系理解185
    921背景185
    922相关工作186
    923家族面部187
    924正则化并行自编码器188
    925实验结果192
    93研究挑战和未来工作198
    94参考文献198
    第10章图像除雾:改进技术203
    101引言203
    102回顾和任务描述204
    1021雾建模和除雾方法204
    1022RESIDE数据集205
    103任务1:除雾恢复205
    104任务2:用于检测的除雾207
    1041解决方案集1:增强级联中的除雾和检测模块207
    1042解决方案集2:域自适应MaskRCNN208
    105结论210
    106参考文献211
    第11章生物医学图像分析:自动肺癌诊断213
    111引言213
    112相关研究214
    113方法论214
    114实验217
    115结论219
    116致谢220
    117参考文献220


      内容简介

    本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成,囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成,从而提高模型的学习能力和可解释性,同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系,并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读,可扩展关于理论和分析工具的研究思路,并为深度模型的架构和解释提供有益的指导。


    1
    • 商品详情
    • 内容简介

    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