深度學習-從入門到實戰(使用MATLAB)(附範例光碟)
郭至恩
■ 圖書試閱會員獨享--請完成右上角會員登錄
■ 內容簡介深度學習是目前人工智慧裡最熱門的領域之一,許多生活上的應用,如語言翻譯、語音識別、圖形識別、物件偵測、圖像生成等,皆運用了深度學習的技術,而取得重大的突破。在學習開發深度學習演算法時,首先要選擇開發工具與環境。市面上有許多開發深度學習技術的套件,如Tensorflow、Keras、PyTorch、MXNet等,這些工具雖然大幅降低進入深度學習技術的門檻,但仍有環境設置困難、套件版本不一等缺點。而Matlab具有便利簡單的語言與環境,為了讓讀者能輕鬆進入深度學習領域,本書使用Matlab程式語言來進行深度學習的開發與應用,並以初學者的角度講解,讓讀者可以輕鬆建構深度學習的概念。此外,本書介紹許多Matlab應用於深度學習的相關範例,使讀者累積應用的能力。本書適用於大學、科大資工、電子、電機、自控系「深度學習」課程使用。
■ 目錄 第一章 環境建置1-1 MATLAB 介紹1-2 MATLAB 與相關工具箱安裝1-3 深度學習相關套件安裝1-4 GPU 加速運算介紹第二章 數據標記與常見工具介紹2-1 基本資料標記(How to label image data into MATLAB)2-2 影像感興趣區域標記2-3 圖像預處理2-4 資料擴增(Data Augmentation)第三章 深度學習常見模型與函式語法介紹3-1 卷積神經網路(convolution neural network, CNN)3-2 卷積神經網路網路模型相關函式語法介紹3-3 遞歸神經網路(recurrent neural network, RNN)3-4 遞歸神經網路模型相關函式語法介紹3-5 自動編碼器介紹(auto encoder)3-6 自動編碼器相關函式語法與範例介紹第四章 網路訓練參數與資料擴增之相關函式語法介紹4-1 訓練網路的相關參數設置4-2 模型預測與效能評估4-3 圖像資料擴增第五章 預訓練模型與遷移式學習5-1 預訓練模型5-2 遷移式學習(transfer learning)第六章 Deep Network Designer6-1 建立網路模型6-2 修正模型6-3 使用Deep Network Designer 進行遷移學習第七章 Experiment Manager7-1 Experiment Manager 介面7-2 使用Experiment Manager 訓練深度學習網路用於分類問題7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題7-4 使用多個預訓練模型進行遷移學習第八章 CNN 實戰範例8-1 CIFAR-10 圖像分類8-2 檢查點(Checkpoint)設置8-3 深度學習應用於網路攝影機影像分類8-4 卷積經神經網路的學習內容可視化8-5 深度學習應用於物件偵測8-6 深度學習應用於語義分割第九章 LSTM 實戰範例9-1 深度學習應用於時間序列9-2 序列的分類範例9-3 序列到序列使用LSTM 的人類動作分類(human activity)9-4 序列到序列的迴歸範例第十章 進階範例-生成式網路10-1 自定義的網路訓練迴圈10-2 生成對抗網路10-3 常見的GAN 訓練失敗模式10-4 條件式生成對抗網路10-5 神經風格轉換10-6 後語
本網站僅提供以Facebook帳號連結OpenTech會員資料,以達快速登入之服務。
您在Facebook上的個人資料,是由Facebook管理,本網站不能也不會取得您的Facebook密碼,請放心使用。
一組Facebook帳號只能連結一位OpenTech會員。
若要取消與Facebook帳號之連結,請至Facebook網站設定。
本網站可隨時停止使用Facebook帳號登入之服務。
繼續使用 取消
OpenTech會員帳號:
OpenTech會員密碼:
連結 申請帳號 取消