幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

生成對抗網路入門指南/智能系統與技術叢書

  • 作者：編者:史丹青
  • 出版社：機械工業
  • ISBN：9787111610045
  • 出版日期：2018/11/01
  • 裝幀：平裝
  • 頁數：226
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    生成對抗網路毫無疑問是2018年度最熱門的人工智慧技術之一，併入選美國《麻省理工科技評論》2018年「全球十大突破性技術」。史丹青編著的《生成對抗網路入門指南/智能系統與技術叢書》深入淺出地講解了生成對抗網路的各類模型以及技術發展。通過本書，讀者可了解生成對抗網路的技術原理，並通過書中的代碼實例深入技術細節。全書共十章，其中前半部分分別介紹了目前研究領域已經較為成熟的生成對抗網路模型，比如DCGAN、WGAN等，以及大量不同結構的生成對抗網路變種；後半部分介紹了生成對抗網路在文本到圖像的生成、圖像到圖像的生成以及其他應用中的研究與發展。
作者介紹
編者:史丹青
    史丹青，語憶科技聯合創始人兼技術負責人，畢業於同濟大學電子信息工程系；擁有多年人工智慧領域創業與實戰經驗，具備深度學習、自然語言處理以及數據可視化等相關知識與技能；是人工智慧技術的愛好者，擁抱一切新興科技，始終堅信技術分享和開源精神的力量。
目錄
前言
第1章  人工智慧入門
  1.1  人工智慧的歷史與發展
    1.1.1  人工智慧的誕生
    1.1.2  人工智慧的兩起兩落
    1.1.3  新時代的人工智慧
  1.2  機器學習與深度學習
    1.2.1  機器學習分類
    1.2.2  神經網路與深度學習
    1.2.3  深度學習的應用
  1.3  了解生成對抗網路
    1.3.1  從機器感知到機器創造
    1.3.2  什麼是生成對抗網路
  1.4  本章小結
第2章  預備知識與開發工具
  2.1  Python語言與開發框架
    2.1.1  Python語言
    2.1.2  常用工具簡介
    2.1.3  第三方框架簡介
  2.2  TensorFlow基礎入門
    2.2.1  TensorFlow簡介與安裝
    2.2.2  TensorFlow使用入門
    2.2.3  Tensorflow實例：圖像分類
  2.3  Keras基礎入門
    2.3.1  Keras簡介與安裝
    2.3.2  Keras使用入門
    2.3.3  Keras實例：文本情感分析
  2.4  　Floyd：使用深度學習雲平台運行程序
    2.4.1  深度學習雲平台簡介
    2.4.2  Floyd使用入門
    2.4.3  Floyd實例：神經網路風格轉換
  2.5  本章小結
第3章  理解生成對抗網路
  3.1  生成模型
    3.1.1  生成模型簡介
    3.1.2  自動編碼器
    3.1.3  變分自動編碼器
  3.2  GAN的數學原理
    3.2.1  最大似然估計
    3.2.2  生成對抗網路的數學推導
  3.3  GAN的可視化理解
  3.4  GAN的工程實踐
  3.5  本章小結
第4章  深度卷積生成對抗網路
  4.1  DCGAN的框架
    4.1.1  DCGAN設計規則
    4.1.2  DCGAN框架結構
  4.2  DCGAN的工程實踐
  4.3  DCGAN的實驗性應用
    4.3.1  生成圖像的變換

    4.3.2  生成圖像的算術運算
    4.3.3  殘缺圖像的補全
  4.4  本章小結
第5章  WassersteinGAN
  5.1  GAN的優化問題
  5.2  WGAN的理論研究
  5.3  WGAN的工程實踐
  5.4  WGAN的實驗效果分析
    5.4.1  代價函數與生成質量的相關性
    5.4.2  生成網路的穩定性
    5.4.3  模式崩潰問題
  5.5  WGAN的改進方案：WGAN-GP
  5.6  本章小結
第6章  不同結構的GAN
  6.1  GAN與監督式學習
    6.1.1  條件式生成：cGAN
    6.1.2  cGAN在圖像上的應用
  6.2  GAN與半監督式學習
    6.2.1  半監督式生成：SGAN
    6.2.2  輔助分類生成：ACGAN
  6.3  GAN與無監督式學習
    6.3.1  無監督式學習與可解釋型特徵
    6.3.2  理解InfoGAN
  6.4  本章小結
第7章  文本到圖像的生成
  7.1  文本條件式生成對抗網路
  7.2  文本生成圖像進階：GAWWN
  7.3  文本到高質量圖像的生成
    7.3.1  層級式圖像生成：StackGAN
    7.3.2  層級式圖像生成的優化：StackGAN-v
  7.4  本章小結
第8章  圖像到圖像的生成
  8.1  可交互圖像轉換：iGAN
    8.1.1  可交互圖像轉換的用途
    8.1.2  iGAN的實現方法
    8.1.3  iGAN軟體簡介與使用方法
  8.2  匹配數據圖像轉換：Pix2Pix
    8.2.1  理解匹配數據的圖像轉換
    8.2.2  Pix2Pix的理論基礎
    8.2.3  Pix2Pix的應用實踐
  8.3  非匹配數據圖像轉換：CycleGAN
    8.3.1  理解非匹配數據的圖像轉換
    8.3.2  CycleGAN的理論基礎
    8.3.3  CycleGAN的應用實踐
  8.4  　多領域圖像轉換：StarGAN
    8.4.1  多領域的圖像轉換問題
    8.4.2  StarGAN的理論基礎
    8.4.3  StarGAN的應用實踐
  8.5  本章小結
第9章  GAN的應用：從多媒體到藝術設計

  9.1  GAN在多媒體領域的應用
    9.1.1  圖像去模糊
    9.1.2  人臉生成
    9.1.3  音頻合成
  9.2  GAN與AI藝術
    9.2.1  AI能否創造藝術
    9.2.2  AI與電腦藝術的發展
    9.2.3  藝術生成網路：從藝術模仿到創意生成
  9.3  GAN與AI設計
    9.3.1  AI時代的設計
    9.3.2  AI輔助式設計的研究
  9.4  本章小結
第10章  GAN研究熱點
  10.1  評估與優化
  10.2  對抗攻擊
  10.3  發展中的GAN
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032