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(第2版)/智能系統與技術叢書

  • 作者：編者:史丹青|責編:趙亮宇
  • 出版社：機械工業
  • ISBN：9787111683711
  • 出版日期：2021/06/01
  • 裝幀：平裝
  • 頁數：256
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    從2014年至今，與GAN有關的論文數量急劇增加，從谷歌學術的數據來看，數量仍在不斷增加中。究其原因，除了科學研究本身的魅力之外，諸如文本到圖像的生成、圖像到圖像的生成等應用研究也讓業界非常興奮，給人工智慧領域帶來諸多可能性。
    本書是GAN的入門書籍，結合基礎理論、工程實踐進行講解，深入淺出地介紹GAN的技術發展以及各類衍生模型。該書面向機器學習從業人員、高校相關專業學生以及具備一定基礎的人工智慧技術愛好者。書中包含GAN的理論知識與代碼實踐（示例代碼可以從華章官網搜索下載），可幫助讀者理解GAN的技術原理與實現細節。
    本書主要內容：
    人工智慧入門知識與開發工具；
    GAN的理論與實踐；
    DGGAN、WGAN、cGAN等主流GAN衍生模型；
    文本到圖像、圖像到圖像以及離散數據的生成方法；
    GAN與強化學習的關聯；
    BigGAN、StyleGAN等前沿GAN模型；
    多媒體與藝術設計領域中的GAN應用。
作者介紹
編者:史丹青|責編:趙亮宇
    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  人工智慧的歷史以及發展
    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  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  似然估計
    3.2.2  GAN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
  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  序列數據的生成
  9.1  序列生成的問題
  9.2  GAN的序列生成方法
  9.3  自然語言生成
  9.4  本章小結
第10章  GAN與強化學習及逆向強化學習

  10.1  GAN與強化學習
    10.1.1  強化學習基礎
    10.1.2  Actor-Critic
    10.1.3  GAN與強化學習的關聯
  10.2  GAN與逆向強化學習
    10.2.1  逆向強化學習基礎
    10.2.2  經典IRL演算法
    10.2.3  GAN的模仿學習：GAIL
  10.3  本章小結
第11章  新一代GAN
  11.1  GAN的評估方法
  11.2  GAN的進化
    11.2.1  SNGAN與SAGAN
    11.2.2  BigGAN
    11.2.3  StyleGAN
  11.3  本章小結
第12章  GAN的應用與發展
  12.1  多媒體領域的應用
    12.1.1  圖像處理
    12.1.2  音頻合成
  12.2  藝術領域的應用
    12.2.1  AI能否創造藝術
    12.2.2  AI與電腦藝術的發展
    12.2.3  藝術生成網路：從藝術模仿到創意生成
  12.3  設計領域的應用
    12.3.1  AI時代的設計
    12.3.2  AI輔助式設計的研究
  12.4  安全領域的應用
  12.5  本章小結
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