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 深度学习与信号处理 原理与实践 郭业才 人工神经网络 训练预测 优化算法 模糊推理 近似逻辑 自编码器 调制识
  • 新商品上架
    • 作者: 郭业才著
    • 出版社: 机械工业出版社
    • 出版时间:2022-06
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 郭业才著
    • 出版社:机械工业出版社
    • 出版时间:2022-06
    • ISBN:9786740557050
    • 版权提供:机械工业出版社

     

     

    商品基本信息


    商品名称:

    深度学习与信号处理: 原理与实践

    作 者:

    郭业才 著

    市 场 价:

    129.00元

    ISBN 号:

    978-7-111-70768-4

    出版日期:

    2022年6月

    页 数:

    303

    开 本:

    16开

    出 版 社:

    机械工业出版社

    目录

    前言

    第1章初识深度学习1

    1.1深度学习有多深1

    1.2深度学习如何学4

    1.3深度学习如何提速5

    1.4主流深度学习框架12

    1.5本书内容与体系结构13

    第2章人工神经网络15

    2.1神经网络演进15

    2.2神经网络训练与预测22

    2.3优化算法23

    2.4计算图30

    2.5正则化惩罚项36

    2.6神经网络BP算法39

    2.7过拟合与欠拟合43

    2.8实例1:基于前馈神经网络的动量盲均衡算法52

    第3章模糊神经网络58

    3.1隶属函数59

    3.2常规模糊神经网络66

    3.3模糊联想记忆神经网络67

    3.4神经模糊推理系统70

    3.5神经网络近似逻辑72

    3.6实例2:基于智能模糊神经网络的导弹防御系统未知飞行目标识别方法73

    第4章概率神经网络85

    4.1模式分类的贝叶斯判定策略85

    4.2密度估计的一致性86

    4.3概率神经网络87

    4.4贝叶斯阴阳系统理论90

    4.5实例3:基于离散余弦变换和概率神经网络的脑肿瘤分类方法91

    第5章小波神经网络97

    5.1小波理论97

    5.2小波神经网络101

    5.3小波神经网络训练架构106

    5.4小波神经网络优化方法107

    5.5实例4:基于嵌入小波神经网络的常模盲均衡算法110

    第6章卷积神经网络116

    6.1卷积神经网络结构116

    6.2卷积神经网络128

    6.3卷积操作的变种129

    6.4池化操作的变种137

    6.5常见的几种卷积神经网络结构145

    6.6几种拓展的卷积神经网络结构158

    6.7实例5:基于深度卷积神经网络

    的遥感图像分类162

    6.8实例6:基于深度卷积神经网络的运动模糊去除170

    第7章深度生成对抗网络181

    7.1生成对抗网络原理181

    7.3小波生成对抗网络190

    7.4多尺度生成对抗网络196

    7.5实例7:基于条件生成对抗网络的三维肝脏及肿瘤区域自动分割200

    7.6实例8:基于深度残差生成对抗网络的运动模糊图像复原208

    第8章深度受限玻尔兹曼机216

    8.1玻尔兹曼机216

    8.2稀疏受限玻尔兹曼机及竞争学习220

    8.3分类受限玻尔兹曼机与改进模型226

    8.4 (2D)2PCA受限玻尔兹曼机230

    8.5实例9:受限玻尔兹曼机的步态特征提取及其识别232

    第9章深度信念网络238

    9.1深度信念网络概述238

    9.2 Gamma深度信念网络243

    9.3自适应深度信念网络246

    9.4 KPCA深度信念网络248

    9.5全参数动态学习深度信念网络250

    9.6深度信念网络优化252

    9.7实例10:基于贪婪方法的深度信念网络诊断注意缺陷多动障碍259

    第10章深度自编码器264

    10.1自编码器264

    10.2稀疏自适应编码器267

    10.3变分自编码器268

    10.4自编码回声状态网络274

    10.5深度典型相关稀疏自编码器277

    10.6条件双重对抗自编码网络280

    10.7自编码应用模型283

    10.8实例11:基于改进LDA和自编码器的调制识别算法296

    参考文献303




    内容简介

    本书分析研究了深度学习相关的网络模型,以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原理与方法。通过深度学习网络在信道盲均衡、目标识别、图像分类和运动模糊去除、特征提取与识别、缺陷早期诊断等领域中的应用案例,为读者提供应用深度学习网络解决具体问题的思路和方法。本书适合人工智能、计算机、自动化、电子与通信、大数据科学等相关学科专业的科学研究人员和工程技术人员阅读,也可作为相关专业博士、硕士研究生的参考书。

    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