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

人工智慧技術基礎及應用

  • 作者：編者:張偉//李曉磊//田天|責編:付承桂//閭洪慶
  • 出版社：機械工業
  • ISBN：9787111712558
  • 出版日期：2022/09/01
  • 裝幀：平裝
  • 頁數：308
人民幣：RMB 68 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書聚焦近期湧現的人工智慧、機器人工程、智能醫學工程等新工科專業對於人才培養的實際需求，著力解決人工智慧基礎知識交叉貫通不足、配套實驗實踐支撐不強等問題。書中主要內容包括Python編程基礎、神經網路基礎、深度學習計算框架、卷積神經網路、序列到序列網路、目標檢測及其應用、語義分割及其應用等。
    本書結合高等院校人工智慧相關專業的知識體系，將基礎知識和編程實踐相結合，通過代碼實例分析，使得基礎知識變得直觀易懂；通過基礎Python編程和PyTorch框架編程的結合進行實踐，適應互聯網時代共享代碼的社區生態需求；通過綜合實踐常式，使讀者經歷知識學習、數據準備、代碼編寫、參數調試、結果分析等過程，在掌握相關技術的同時提高學習興趣。
    本書可滿足高等院校人工智慧相關專業的學生學習基礎知識及實踐創新的需求，也可為電子、信息等相關領域的從業者轉型人工智慧領域提供入門學習資料。
作者介紹
編者:張偉//李曉磊//田天|責編:付承桂//閭洪慶
目錄
前言
第1章  Python編程基礎
  1.1  Python簡介
  1.2  Python安裝與運行
  1.3  Python基礎編程
    1.3.1  標識符
    1.3.2  註釋
    1.3.3  行和縮進
    1.3.4  變數和數據類型
    1.3.5  基本計算
    1.3.6  數據結構
    1.3.7  控制語句
    1.3.8  函數
    1.3.9  模塊
  1.4  Python面向對象編程
    1.4.1  類
    1.4.2  繼承機制
    1.4.3  類變數與方法的屬性
  1.5  Python常用庫介紹
    1.5.1  NumPy庫
    1.5.2  Matplotlib庫
  1.6  小結
  參考文獻
第2章  神經網路基礎
  2.1  感知機模型
  2.2  神經網路模型
    2.2.1  神經網路的架構
    2.2.2  激活函數
  2.3  神經網路學習原理
    2.3.1  數據集的準備
    2.3.2  損失函數
    2.3.3  小批量學習
    2.3.4  梯度下降法
    2.3.5  誤差反向傳播演算法
  2.4  神經網路學習實踐
    2.4.1  設計神經網路類
    2.4.2  最小批量學習的實現
  2.5  神經網路學習技巧
    2.5.1  優化方法的選擇
    2.5.2  權重初始值的設定
    2.5.3  批量歸一化
    2.5.4  則化方法
    2.5.5  數據增強
  2.6  小結
  參考文獻
第3章  深度學習計算框架
  3.1  常用深度學習計算框架簡介
  3.2  GPU加速配置
  3.3  PyTorch安裝
  3.4  張量

    3.4.1  張量的概念
    3.4.2  張量的基本操作
  3.5  動態計算圖
  3.6  神經網路層和模塊
  3.7  PyToreh神經網路學習實踐
  3.8  小結
  參考文獻
第4章  卷積神經網路
  4.1  卷積神經網路的基本原理
    4.1.1  卷積神經網路的基本架構
    4.1.2  卷積運算
    4.1.3  卷積運算實例：邊緣檢測
    4.1.4  卷積層及其代碼實現
    4.1.5  填充
    4.1.6  步幅
    4.1.7  池化
  4.2  經典卷積神經網路模型
    4.2.1  數據集的準備
    4.2.2  Pipeline
    4.2.3  LeNet
    4.2.4  AlexNet
    4.2.5  VGG
    4.2.6  GoogLeNet
    4.2.7  ResNet
  4.3  小結
  參考文獻
第5章  序列到序列網路
  5.1  循環神經網路(RNN)
    5.1.1  RNN的基本原理
    5.1.2  RNN的簡單實現
  5.2  長短期記憶網路(LSTM)
    5.2.1  LSTM的基本原理
    5.2.2  LSTM的簡單實現
  5.3  Transformer網路
    5.3.1  自注意力層
    5.3.2  Transformer網路結構
    5.3.3  Vision Transformer(ViT)網路
  5.4  小結
  參考文獻
第6章  目標檢測及其應用
  6.1  目標檢測的基本概念
    6.1.1  邊界框
    6.1.2  錨框
    6.1.3  交並比
    6.1.4  NMS操作
    6.1.5  評價指標
  6.2  常用的目標檢測演算法
    6.2.1  區域卷積神經網路(R-CNN)系列
    6.2.2  YOLO系列
  6.3  實踐案例：行人檢測

    6.3.1  基於Faster R-CNN的行人檢測
    6.3.2  基於YOLO v5的行人檢測
    6.3.3  YOLO v5與Faster R-CNN演算法對比
  6.4  小結
  參考文獻
第7章  語義分割及其應用
  7.1  語義分割的基本概念
    7.1.1  語義分割任務描述
    7.1.2  上採樣
    7.1.3  膨脹卷積
    7.1.4  定義損失函數
    7.1.5  評價指標
  7.2  語義分割網路
    7.2.1  FCN
    7.2.2  U-Net架構
    7.2.3  DeepLab系列
  7.3  實踐案例：城市街景分割
    7.3.1  實踐Pipeline
    7.3.2  演算法對比分析
  7.4  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