-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
5/24 新書到! 5/18 新書到! 5/3 新書到! 4/26 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

生成對抗網絡入門指南(第2版)

( 簡體 字)
作者:史丹青類別:1. -> 安全 -> 網路安全 -> 駭客攻擊與入侵
譯者:
出版社:機械工業出版社生成對抗網絡入門指南(第2版) 3dWoo書號: 54760
詢問書籍請說出此書號!

有庫存
NT售價: 445

出版日:6/1/2021
頁數:280
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111683711
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

生成對抗網絡毫無疑問是當今熱門的人工智能技術之一,曾被美國《麻省理工科技評論》評選為“全球十大突破性技術”。《生成對抗網絡入門指南》是一本結合基礎理論與工程實踐的入門型書籍,深入淺出地講解了生成對抗網絡的各類模型以及技術發展。本書面向機器學習從業人員、在校相關專業學生以及具備一定基礎的人工智能領域愛好者。通過本書的學習,能夠了解生成對抗網絡的技術原理,并通過書中的代碼實例深入技術細節。本書共分12個章節,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絡模型,比如DCGAN、WGAN等等,以及大量不同結構的生成對抗網絡變種。本書后半部分介紹了文本到圖像的生成、圖像到圖像的生成、離散數據的生成以及當前前沿的高質量生成技術,結尾總結了目前生成對抗網絡在行業應用中的研究與發展。希望本書能夠幫助廣大讀者跟上新技術的前沿,成為人工智能時代的先行者。
目錄:

第1章 人工智慧入門 1
1.1 人工智慧的歷史與發展 1
1.1.1 人工智慧的誕生 3
1.1.2 人工智慧的兩起兩落 6
1.1.3 新時代的人工智慧 7
1.2 機器學xi與深度學xi 10
1.2.1 機器學xi分類 11
1.2.2 神經網路與深度學xi 12
1.2.3 深度學xi的應用 13
1.3 瞭解生成對抗網路 15
1.3.1 從機器感知到機器創造 15
1.3.2 什麼是生成對抗網路 19
1.4 本章小結 20
第2章 預備知識與開發工具 21
2.1 Python語言與開發框架 21
2.1.1 Python語言 21
2.1.2 常用工具簡介 23
2.1.3 協力廠商框架簡介 26
2.2 TensorFlow基礎入門 27
2.2.1 TensorFlow簡介與安裝 27
2.2.2 TensorFlow使用入門 30
2.2.3 Tensorflow實例:圖像分類 31
2.3 Keras基礎入門 33
2.3.1 Keras簡介與安裝 33
2.3.2 Keras使用入門 34
2.3.3 Keras實例:文本情感分析 36
2.4 Floyd:使用深度學xi雲平臺運行程式 38
2.4.1 深度學xi雲平臺簡介 38
2.4.2 Floyd使用入門 39
2.4.3 Floyd實例:神經網路風格轉換 43
2.5 本章小結 45
第3章 理解生成對抗網路 46
3.1 生成模型 46
3.1.1 生成模型簡介 46
3.1.2 自動編碼器 47
3.1.3 變分自動編碼器 50
3.2 GAN的數學原理 52
3.2.1 *似然估計 52
3.2.2 生成對抗網路的數學推導 55
3.3 GAN的視覺化理解 58
3.4 GAN的工程實踐 59
3.5 本章小結 67
第4章 深度卷積生成對抗網路 68
4.1 DCGAN的框架 68
4.1.1 DCGAN設計規則 68
4.1.2 DCGAN框架結構 72
4.2 DCGAN的工程實踐 73
4.3 DCGAN的實驗性應用 79
4.3.1 生成圖像的變換 79
4.3.2 生成圖像的算數運算 81
4.3.3 殘缺圖像的補全 83
4.4 本章小結 85
第5章 Wasserstein GAN 86
5.1 GAN的優化問題 86
5.2 WGAN的理論研究 89
5.3 WGAN的工程實踐 92
5.4 WGAN的實驗效果分析 96
5.4.1 代價函數與生成品質的相關性 96
5.4.2 生成網路的穩定性 97
5.4.3 模式崩潰問題 99
5.5 WGAN的改進方案:WGAN-GP 100
5.6 本章小結 104
第6章 不同結構的GAN 105
6.1 GAN與監督式學xi 105
6.1.1 條件式生成:cGAN 105
6.1.2 cGAN在圖像上的應用 106
6.2 GAN與半監督式學xi 110
6.2.1 半監督式生成:SGAN 110
6.2.2 輔助分類生成:ACGAN 112
6.3 GAN與無監督式學xi 113
6.3.1 無監督式學xi與可解釋型特徵 113
6.3.2 理解InfoGAN 115
6.4 本章小結 119
第7章 文本到圖像的生成 120
7.1 文本條件式生成對抗網路 120
7.2 文本生成圖像進階:GAWWN 123
7.3 文本到高品質圖像的生成 127
7.3.1 層級式圖像生成:StackGAN 128
7.3.2 層級式圖像生成的優化:StackGAN-v2 132
7.4 本章小結 135
第8章 圖像到圖像的生成 136
8.1 可交互圖像轉換:iGAN 136
8.1.1 可交互圖像轉換的用途 136
8.1.2 iGAN的實現方法 138
8.1.3 iGAN軟體簡介與使用方法 140
8.2 匹配資料圖像轉換:Pix2Pix 143
8.2.1 理解匹配資料的圖像轉換 143
8.2.2 Pix2Pix的理論基礎 145
8.2.3 Pix2Pix的應用實踐 150
8.3 非匹配資料圖像轉換:CycleGAN 157
8.3.1 理解非匹配資料的圖像轉換 157
8.3.2 CycleGAN的理論基礎 160
8.3.3 CycleGAN的應用實踐 162
8.4 多領域圖像轉換:StarGAN 166
8.4.1 多領域的圖像轉換問題 166
8.4.2 StarGAN的理論基礎 169
8.4.3 StarGAN的應用實踐 171
8.5 本章小結 177
第9章 GAN的應用:從多媒體到藝術設計 178
9.1 GAN在多媒體領域的應用 178
9.1.1 圖像去模糊 178
9.1.2 人臉生成 181
9.1.3 音訊合成 184
9.2 GAN與AI藝術 188
9.2.1 AI能否創造藝術 188
9.2.2 AI與電腦藝術的發展 190
9.2.3 藝術生成網路:從藝術模仿到創意生成 196
9.3 GAN與AI設計 202
9.3.1 AI時代的設計 202
9.3.2 AI輔助式設計的研究 205
9.4 本章小結 212
第10章 GAN研究熱點 213
10.1 評估與優化 213
10.2 對抗攻擊 216
10.3 發展中的GAN 219
參考文獻 222
序: