用戶名: 密碼:     註冊 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

神經網路模型及漁業應用

  • 作者：編者:袁紅春|責編:王少麗//張勇
  • 出版社：上海交大
  • ISBN：9787313241511
  • 出版日期：2025/02/01
  • 裝幀：平裝
  • 頁數：242
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書詳細介紹了人工神經網路和深度學習模型的原理，並在此基礎上增加了關於漁業應用的實際案例以供學習。本書分為基礎篇、實戰篇及附錄，基礎篇共有14章，主要介紹神經網路和深度學習模型和演算法，包括：緒論、人工神經網路基礎、感知器、BP網路、RBF網路、對傳網、Hopfield網路、NARX網路、自適應共振理論、深度信念網路、循環神經網路、卷積神經網路、生成式對抗網路和Transformer網路。實戰篇主要為筆者團隊長期積累的研究成果與實際案例，包括基於BP神經網路的溶解氧預測、基於LSTM的漁業產量預測、基於CNN的水產圖像識別、基於U-Net的魚群遊動視頻預測、基於YOLOv5的水下珍品目標檢測、基於信息蒸餾的水下圖像超解析度生成。附錄包括深度學習環境及PyCharm的搭建。
    本書可作為高等院校人工智慧、電腦、自動化、電子和通信等相關專業的研究生或本科生教材，也可供相關領域的研究人員和技術工程師參考。
作者介紹
編者:袁紅春|責編:王少麗//張勇
目錄
基礎篇
  第1章  概論
    1.1  概述
    1.2  人工神經網路提出
    1.3  人工神經網路的特點
    1.4  人工神經網路簡史
    本章小結
    參考文獻
  第2章  人工神經網路基礎
    2.1  概述
    2.2  生物神經網路
    2.3  人工神經元
    2.4  人工神經網路的拓撲特性
    2.5  存儲與映射
    2.6  人工神經網路的訓練
    本章小結
    參考文獻
  第3章  感知器
    3.1  概述
    3.2  感知器與人工神經網路的早期發展
    3.3  單層感知器
    3.4  多層感知器
    本章小結
    參考文獻
  第4章  BP網路
    4.1  概述
    4.2  基本BP演算法
    4.3  演算法的改進
    4.4  演算法的理論推導
    4.5  幾個問題的討論
    本章小結
    參考文獻
  第5章  RBF網路
    5.1  概述
    5.2  RBF神經網路的結構
    5.3  RBF的訓練準則和基本演算法
    5.4  RBF與BP網路比較分析
    本章小結
    參考文獻
  第6章  對傳網
    6.1  概述
    6.2  網路結構
    6.3  網路的正常運行
    6.4  Kohonen層的訓練
    6.5  Kohonen層連接權的初始化方法
    6.6  Grossberg層的訓練
    6.7  擴展說明
    本章小結
    參考文獻
  第7章  Hopfield神經網路

    7.1  概述
    7.2  Hopfield神經網路的簡介
    7.3  Hebb學習規則
    7.4  離散型Hopfield神經網路
    7.5  連續型Hopfield神經網路
    7.6  收斂到穩定狀態
    7.7  Hopfield網路的幾個應用
    本章小結
    參考文獻
  第8章  NARX網路
    8.1  概述
    8.2  NARX網路的基本結構
    8.3  NARX網路訓練演算法
    8.4  NARX網路的應用
    本章小結
    參考文獻
  第9章  自適應共振理論
    9.1  概述
    9.2  網路的可塑性與不可塑性
    9.3  ART的結構
    9.4  ART的初始化
    9.5  ART的實現
    本章小結
    參考文獻
  第10章  深度信念網路
    10.1  概述
    10.2  深度信念網路基本原理
    10.3  受限玻爾茲曼機
    10.4  深度信念網路訓練演算法流程
    10.5  深度信念網路的應用
    本章小結
    參考文獻
  第11章  循環神經網路
    11.1  概述
    11.2  循環神經網路基本原理
    11.3  長短期記憶網路
    11.4  LSTM網路的應用
    本章小結
    參考文獻
  第12章  卷積神經網路
    12.1  概述
    12.2  網路結構
    12.3  訓練方法
    12.4  常見網路模型
    本章小結
    參考文獻
  第13章  生成式對抗網路
    13.1  概述
    13.2  生成式對抗網路簡介
    13.3  GAN的衍生模型

    本章小結
    參考文獻
  第14章  Transformer網路
    14.1  概述
    14.2  Transformer的簡介
    14.3  Transformer的衍生模型
    本章小結
    參考文獻
實戰篇
  第15章  應用案例
    15.1  基於BP神經網路的溶解氧預測
    15.2  基於LSTM的漁業產量預測
    15.3  基於CNN的水產圖像識別方法
    15.4  基於U-Net的魚群遊動視頻幀預測
    15.5  基於YOLOv5的水下珍品目標檢測
    15.6  基於信息蒸餾的水下圖像超分生成
附錄
  附錄1  深度學習環境搭建
  附錄2  PyCharm環境配置

  • 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