深度學習經典案例解析（基于MATLAB） ( 簡體 字) |
| 作者： 趙小川 | 類別：1. -> 程式設計 -> 深度學習
2. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 54893
詢問書籍請說出此書號！【缺書】
NT售價： 495 元 |
| 出版日：5/1/2021 |
| 頁數：217 |
| 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：9787111682936 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (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：《深度學習經典案例解析（基于MATLAB）》分為“基礎篇”“應用篇”和“實戰篇”。通過17個案例循序漸進地介紹了深度學習網絡的構建、訓練、應用，以及如何基于MATLAB快速生成可執行的C、C++代碼并在硬件上部署實現，內容講解由淺及深、層層遞進。本書所講解的案例均配有代碼實現，并對代碼進行了詳細注解，讀者可通過閱讀代碼對本書講解的內容進行更加深入的了解。《深度學習經典案例解析（基于MATLAB）》適合對人工智能、深度學習技術感興趣的工程技術人員閱讀，也適合人工智能、計算機科學技術相關專業的本科生、研究生學習參考。 |
目錄：基礎篇
案例1：巧婦難為無米之炊：數據集的制作與加載/
1.1 機器學習中的數據集/
1.2 如何加載MATLAB自帶的數據集/
1.3 如何加載自己制作的數據集/
1.4 如何加載公開數據集：以CIFAR-10為例/
1.5 如何劃分訓練集與驗證集/
1.6 如何擴充數據樣本集/
案例2：小試牛刀：如何構建一個卷積神經網絡/
2.1 CNN的核心——“卷積”/
2.2 卷積神經網絡的結構及原理/
2.3 從仿生角度看卷積神經網絡/
2.4 基于深度學習工具箱函數構造卷積神經網絡/
2.5 采用 Deep Network Designer實現卷積網絡設計/
2.6 其他與構建深度網絡相關的函數/
案例3：精雕細琢：如何訓練一個卷積神經網絡/
3.1 基本概念一點通/
3.2 實例需求與實現步驟/
3.3 構建卷積神經網絡/
3.4 訓練卷積神經網絡/
3.5 例程實現與解析/
應用篇
案例4：LeNet卷積神經網絡的應用：紅綠燈識別/
4.1 LeNet卷積神經網絡/
4.2 基于改進LeNet的交通燈識別/
4.3 例程實現與解析/
案例5：AlexNet卷積神經網絡的應用：基于遷移學習的圖像分類/
5.1 什么是遷移學習/
5.2 從不同的角度看遷移學習/
5.3 AlexNet網絡的原理/
5.4 基于AlexNet實現遷移學習的步驟/
5.5 AlexNet的加載方法/
5.6 如何對AlexNet進行改進以實現遷移學習/
5.7 本節所用到的函數解析/
5.8 例程實現與解析/
5.9 采用Deep Network Designer輔助實現遷移學習/
案例6：VGG16卷積神經網絡的應用：融合卷積神經網絡與支持向量機的物體識別/
6.1 VGG16網絡的原理及特點/
6.2 支持向量機分類的原理/
6.3 基于VGG16與SVM的物體識別/
6.4 例程實現與解析/
案例7：LSTM長短期記憶神經網絡的應用：心電圖信號分類/
7.1 從時間的角度看序列性數據/
7.2 序列建模之循環神經網絡/
7.3 基于門與記憶細胞構建序列模型的“長期依賴關系”/
7.4 基于LSTM實現心電圖信號分類的步驟/
7.5 本節所用到的函數解析/
7.6 例程實現與解析/
案例8：ResNet殘差網絡的應用：新冠肺炎胸片檢測/
8.1 深度學習技術在抗擊疫情中的應用/
8.2 ResNet網絡簡介/
8.3 基于ResNet的新冠肺炎胸片檢測的實現步驟/
8.4 ResNet的加載方法/
8.5 對ResNet進行調整以實現遷移學習/
8.6 例程實現與解析/
實戰篇
案例9：讓機器的眼睛認識標志：基于R拟CNN的交通標志檢測/
9.1 目標分類、檢測與分割/
9.2 目標檢測及其難點問題/
9.3 R-CNN目標檢測算法的原理及實現過程/
9.4 基于Image Labeler的R拟CNN目標檢測器構建/
案例10：讓機器的眼睛檢測車輛：基于Video Labeler的車輛目標檢測/
10.1 車輛目標檢測的需求/
10.2 利用Video Labeler實現車輛目標檢測的步驟/
案例11：讓機器的耳朵聽明白聲音：基于LSTM的日語元音序列分類示例/
11.1 利用LSTM實現日語元音序列分類的步驟/
11.2 日語元音序列分類程序詳解/
案例12：深度學習助力醫學發展：基于Inception-v3網絡遷移學習的視網膜病變檢測/
12.1 Inception-v3深度網絡介紹/
12.2 Kaggle競賽眼疾檢測數據集/
12.3 數據集預處理/
12.4 在Inception拟V3上應用遷移學習實現DR圖像分類/
12.5 例程實現與解析/
12.6 通過類激活映射來輔助診斷/
案例13：知己知彼：深度神經網絡的脆弱性及AI對抗技術/
13.1 深度神經網絡的脆弱性/
13.2 AI對抗技術及其發展趨勢/
案例14：識音辨意：基于深度學習的語音識別/
14.1 下載Spech Commands Dataset數據集/
14.2 標注數據集/
14.3 劃分訓練集、驗證集和測試集/
14.4 對音頻原始文件預處理/
14.5 建立網絡/
14.6 訓練網絡/
14.7 評價最終結果/
14.8 網絡的大小與單次推理時間/
案例15：方便快捷：深度學習模型代碼的自動生成/
15.1 深度學習網絡模型：從開發到部署/
15.2 MATLAB生成推理模型代碼的步驟/
15.3 安裝GPU平臺的代碼生成工具/
15.4 代碼生成例程實現與解析/
案例16：互通共享：如何將在Keras中設計訓練的網絡導入MATLAB深度學習工具箱中/
16.1 導入網絡的詳細步驟/
16.2 例程實現與解析/
案例17：快速部署：如何將訓練好的深度神經網絡部署到樹莓派上/
17.1 什么是樹莓派/
17.2 SqueezeNet簡介/
17.3 自動生成C++代碼及其在樹莓派上的實現/
參考文獻 |
| 序： |
