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

深度學習的高級議題/人工智慧前沿理論與技術應用叢書

  • 作者：編者:翟中華//孫玉龍//林宇平//王嘉義|責編:王群
  • 出版社：電子工業
  • ISBN：9787121473210
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：185
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    深度學習是人工智慧領域無法避開的課題之一，也是比較強大的方法之一。很多從事演算法工作或相關工作的人，或多或少都在應用深度學習方法解決相關領域的問題。本書針對深度學習知識做進階性探討。通過本書學習，對卷積網路、新型結構、注意力機制、模型壓縮、自監督學習、目標檢測中的高級技巧、無監督學習、Transformer高級篇，以及圖神經網路和元學習進行了深入的探討，最後對深度學習的未來發展進行了展望。
作者介紹
編者:翟中華//孫玉龍//林宇平//王嘉義|責編:王群
目錄
第1章  卷積網路
  1.1  轉置卷積
    1.1.1  概念
    1.1.2  運算過程
    1.1.3  應用場景
  1.2  空洞卷積
    1.2.1  概念
    1.2.2  工作原理
    1.2.3  應用場景
  1.3  深度可分離卷積
    1.3.1  概念
    1.3.2  工作原理
    1.3.3  應用場景
  1.4  三維卷積
    1.4.1  概念
    1.4.2  工作原理
    1.4.3  應用場景
第2章  新型結構
  2.1  殘餘連接
  2.2  ResNeXt原理及架構
  2.3  FCN原理及架構
  2.4  U-Net原理及架構
  2.5  FPN原理及架構
第3章  注意力機制
  3.1  注意力機制的生物學原理及數學本質
  3.2  應用於RNN的注意力機制
  3.3  自注意力的數學支撐：像素間的協方差
  3.4  自注意力機制的直觀展示及舉例
  3.5  Transformer中的注意力機制
  3.6  擠壓激勵網路
  3.7  Transformer編碼器代碼
  3.8  Transformer詞嵌入中融入位置信息
第4章  模型壓縮
  4.1  模型壓縮的必要性及常用方法
  4.2  修剪深度神經網路
  4.3  模型量化
  4.4  知識蒸餾
    4.4.1  知識蒸餾的實現步驟
    4.4.2  軟目標的作用
    4.4.3  蒸餾「溫度」
    4.4.4  特徵蒸餾
第5章  自監督學習
  5.1  什麼是自監督學習
  5.2  Bert中的自監督學習
第6章  目標檢測中的高級技巧
  6.1  特徵融合
  6.2  DenseNet與ResNet
  6.3  晚融合及特徵金字塔網路
  6.4  YOLOv3中的三級特徵融合
  6.5  通過多尺度特徵圖跳過連接改進SSD方法

第7章  無監督學習
第8章  Transformer高級篇
  8.1  電腦視覺中的Transformer
    8.1.1  什麼是ViT
    8.1.2  ViT詳解
  8.2  DeiT：以合理的方式訓練ViT
  8.3  金字塔視覺Transformer
    8.3.1  PVT整體架構
    8.3.2  SRA的實現
    8.3.3  PVT的改進
  8.4  Swin Transformer：使用「移動窗口」的分層ViT
  8.5  視覺Transformer的自監督訓練：DINO
    8.5.1  DINO架構
    8.5.2  中心化和「教師」網路權重更新
    8.5.3  DINO代碼實踐偽碼和效果展示
  8.6  縮放視覺Transformer
  8.7  一些有趣的進展
    8.7.1  替代自注意力機制
    8.7.2  多尺度視覺Transformer（MViT）
    8.7.3  完全基於Transformer的視頻理解框架
    8.7.4  語義分割中的ViT（SegFormer）
    8.7.5  醫學成像中的ViT
第9章  圖神經網路
  9.1  圖數據
    9.1.1  圖像作為圖數據
    9.1.2  文本作為圖數據
    9.1.3  天然的圖數據
  9.2  圖上的預測任務
  9.3  圖神經網路構建應用
    9.3.1  最簡單的GNN
    9.3.2  通過聚合信息進行GNN預測
    9.3.3  在圖的各屬性之間傳遞消息
    9.3.4  學習邊緣表示
    9.3.5  添加全局表示
第10章  元學習
  10.1  什麼是元學習
  10.2  機器學習與元學習
    10.2.1  機器學習簡介
    10.2.2  元學習簡介
    10.2.3  機器學習與元學習
  10.3  模型無關的元學習：MAML
    10.3.1  MAML簡介
    10.3.2  MAML特點
    10.3.3  MAML為什麼能夠起作用
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