深度學(xué)習(xí)應(yīng)用與實戰(zhàn)
本書系統(tǒng)介紹了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，并結(jié)合實際應(yīng)用場景和綜合案例，讓讀者深入了解深度學(xué)習(xí)。全書共16章，分為4個部分。第1部分介紹了深度學(xué)習(xí)基礎(chǔ)算法與應(yīng)用，主要包括神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的相關(guān)概念、多層神經(jīng)網(wǎng)絡(luò)的基本原理和具體應(yīng)用、卷積神經(jīng)網(wǎng)絡(luò)的原理及項目案例實現(xiàn)、優(yōu)化算法與模型管理。第2部分介紹了深度學(xué)習(xí)進(jìn)階算法與應(yīng)用，主要包括經(jīng)典的深度卷積神經(jīng)網(wǎng)絡(luò)，ResNet、DenseNet和MobileNet，目標(biāo)檢測的基本概念和常見算法，循環(huán)神經(jīng)網(wǎng)絡(luò)的基本概念和具體應(yīng)用。第3部分介紹了時空數(shù)據(jù)模型與應(yīng)用，主要包括CNN-LSTM混合模型的基本概念和具體應(yīng)用，多元時間序列神經(jīng)網(wǎng)絡(luò)、注意力機制和Transformer的基本結(jié)構(gòu)和具體應(yīng)用。第4部分介紹了生成對抗網(wǎng)絡(luò)及其應(yīng)用，主要包括生成對抗網(wǎng)絡(luò)的基本概念及其模型的結(jié)構(gòu)和訓(xùn)練過程，使用檢測模型、識別模型對車牌進(jìn)行檢測與識別。本書適合對人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等感興趣的讀者閱讀，也適合作為本科院校和高等職業(yè)院校人工智能相關(guān)專業(yè)的教材。本書可以幫助有一定基礎(chǔ)的讀者查漏補缺，使其深入理解和掌握與深度學(xué)習(xí)相關(guān)的原理及方法，并能提高其解決實際問題的能力。
·7.7萬字
