万本电子书0元读

万本电子书0元读

顶部广告

深度学习经典案例解析(基于MATLAB)电子书

1. 案例丰富:通过17个综合案例介绍深度学习网络的构建、训练、应用及部署的技巧 2. 实例专业:涵盖交通标识检测、语音识别、车辆检测、肺炎胸片检测等应用

售       价:¥

纸质售价:¥78.20购买纸书

47人正在读 | 1人评论 6.2

作       者:赵小川

出  版  社:机械工业出版社

出版时间:2021-07-15

字       数:6.4万

所属分类: 教育 > 大中专教材 > 成人/中高职教材

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
《深度学习经典案例解析(基于MATLAB)》分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐地介绍了深度学习网络的构建、训练、应用,以及如何基于MATLAB快速生成可执行的C、C 代码并在硬件上部署实现,内容讲解由浅及深、层层递。本书所讲解的案例均配有代码实现,并对代码行了详细注解,读者可通过阅读代码对本书讲解的内容行更加深的了解。《深度学习经典案例解析(基于MATLAB)》适合对人工智能、深度学习技术感兴趣的工程技术人员阅读,也适合人工智能、计算机科学技术相关专业的本科生、研究生学习参考。<br/>【推荐语】<br/>1. 案例丰富:通过17个综合案例介绍深度学习网络的构建、训练、应用及部署的技巧 2. 实例专业:涵盖交通标识检测、语音识别、车辆检测、肺炎胸片检测等应用<br/>【作者】<br/>赵小川,博士,研究员,博士生导师,高新技术企业评审专家、武警装备智能化专家委员会委员;北京市科学技术委员会、自然科学基金委员会、陆军装备部项目评审专家;核心期刊《计算机工程》青年编委;期刊 Robotica 和《计算机应用研究》的审稿专家。研究方向为人工智能技术,在感知智能、交互智能、仿生智能等方面有所突破和创新;近年来,作为项目负责人主持科研项目共计20余项;以作发明人获得国家发明专利12项。<br/>
目录展开

前言 PREFACE

基础篇

案例1 巧妇难为无米之炊:数据集的制作与加载

1.1 机器学习中的数据集

1.2 如何加载MATLAB自带的数据集

1.3 如何加载自己制作的数据集

1.4 如何加载公开数据集:以CIFAR-10为例

1.5 如何划分训练集与验证集

1.6 如何扩充数据样本集

案例2 小试牛刀:如何构建一个卷积神经网络

2.1 CNN的核心——“卷积”

2.2 卷积神经网络的结构及原理

2.3 从仿生角度看卷积神经网络

2.4 基于深度学习工具箱函数构造卷积神经网络

2.5 采用Deep Network Designer实现卷积网络设计

2.6 其他与构建深度网络相关的函数

案例3 精雕细琢:如何训练一个卷积神经网络

3.1 基本概念一点通

3.2 实例需求与实现步骤

3.3 构建卷积神经网络

3.4 训练卷积神经网络

3.5 例程实现与解析

应用篇

案例4 LeNet卷积神经网络的应用:红绿灯识别

4.1 LeNet卷积神经网络

4.2 基于改进LeNet的交通灯识别

4.3 例程实现与解析

案例5 AlexNet卷积神经网络的应用:基于迁移学习的图像分类

5.1 什么是迁移学习

5.2 从不同的角度看迁移学习

5.3 AlexNet网络的原理

5.4 基于AlexNet实现迁移学习的步骤

5.5 AlexNet的加载方法

5.6 如何对AlexNet进行改进以实现迁移学习

5.7 本节所用到的函数解析

5.8 例程实现与解析

5.9 采用Deep Network Designer辅助实现迁移学习

案例6 VGG16 卷积神经网络的应用:融合卷积神经网络与支持向量机的物体识别

6.1 VGG16网络的原理及特点

6.2 支持向量机分类的原理

6.3 基于VGG16与SVM的物体识别

6.4 例程实现与解析

案例7 LSTM长短期记忆神经网络的应用:心电图信号分类

7.1 从时间的角度看序列性数据

7.2 序列建模之循环神经网络

7.3 基于门与记忆细胞构建序列模型的“长期依赖关系”

7.4 基于LSTM实现心电图信号分类的步骤

7.5 本节所用到的函数解析

7.6 例程实现与解析

案例8 ResNet残差网络的应用:新冠肺炎胸片检测

8.1 深度学习技术在抗击疫情中的应用

8.2 ResNet网络简介

8.3 基于ResNet的新冠肺炎胸片检测的实现步骤

8.4 ResNet的加载方法

8.5 对ResNet进行调整以实现迁移学习

8.6 例程实现与解析

实战篇

案例9 让机器的眼睛认识标志:基于R-CNN的交通标志检测

9.1 目标分类、检测与分割

9.2 目标检测及其难点问题

9.3 R-CNN目标检测算法的原理及实现过程

9.4 基于Image Labeler的R-CNN目标检测器构建

案例10 让机器的眼睛检测车辆:基于Video Labeler的车辆目标检测

10.1 车辆目标检测的需求

10.2 利用Video Labeler实现车辆目标检测的步骤

案例11 让机器的耳朵听明白声音:基于LSTM的日语元音序列分类示例

11.1 利用LSTM实现日语元音序列分类的步骤

11.2 日语元音序列分类程序详解

案例12 深度学习助力医学发展:基于Inception-v3网络迁移学习的视网膜病变检测

12.1 Inception-v3深度网络介绍

12.2 Kaggle竞赛眼疾检测数据集

12.3 数据集预处理

12.4 在Inception-V3上应用迁移学习实现DR图像分类

12.5 例程实现与解析

12.6 通过类激活映射来辅助诊断

案例13 知己知彼:深度神经网络的脆弱性及AI对抗技术

13.1 深度神经网络的脆弱性

13.2 AI对抗技术及其发展趋势

案例14 识音辨意:基于深度学习的语音识别

14.1 下载Speech Commands Dataset数据集

14.2 标注数据集

14.3 划分训练集、验证集和测试集

14.4 对音频原始文件预处理

14.5 建立网络

14.6 训练网络

14.7 评价最终结果

14.8 网络的大小与单次推理时间

案例15 方便快捷:深度学习模型代码的自动生成

15.1 深度学习网络模型:从开发到部署

15.2 MATLAB生成推理模型代码的步骤

15.3 安装GPU平台的代码生成工具

15.4 代码生成例程实现与解析

案例16 互通共享:如何将在Keras中设计训练的网络导入MATLAB深度学习工具箱中

16.1 导入网络的详细步骤

16.2 例程实现与解析

案例17 快速部署:如何将训练好的深度神经网络部署到树莓派上

17.1 什么是树莓派

17.2 SqueezeNet简介

17.3 自动生成C++代码及其在树莓派上的实现

参考文献

累计评论(0条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部