深度学习理论与实践.pdf
深度学习作为表示学习的重要分支，有着广泛的应用价值。深度学习通常会基于多层的神经网络，它能从大规模数据中提取有效特征来表示数据，从而提高机器学习算法的性能。本书以重庆工商大学等单位的机器学习、图像处理课题为基础，系统地介绍特征选择的基本概念，以及相关的理论和算法，也对深度学习
深度学习
正则化深度学习及其在机器人环境感知中的应用.pdf
近年来，随着人工智能技术的飞速发展，深度神经网络技术在图像分析、语音识别、自然语言理解等难点问题中都取得了十分显着的应用成果。《正则化深度学习及其在机器人环境感知中的应用》系统地介绍了深度学习应用于机器人环境感知面临的难点与挑战，针对性地提出基于正则化深度学习的机器人环境感知方法
中国电子信息工程科技发展研究.深度学习专题.pdf
《中国电子信息工程科技发展研究.深度学习专题》主要介绍了全球深度学习技术和产业发展现状及趋势，以及人才情况；阐述了我国的深度学习发展现状，包括基础理论、底层技术、应用技术和产业应用情况；重点介绍了我国深度学习相关的热点和亮点，包括AI芯片、深度学习框架、自动化深度学习建模、深度学
基于深度学习的医学图像数据可视化分析与处理.pdf
本书融合当前模式识别、人工智能技术的发展和作者科研实践的研究成果，详细描述了基于深度学习的医学图像数据可视化分析与处理的几个关键部分。包括对CT影像进行三维重建，还原检测物体的三维结构，进而对三维结构进行可视化分析：利用深度学习、深度信念网络、卷积神经网络和极限学习机等技术提
深度学习（上）.pdf
《深度学习（上）》对所有主要的深度学习方法和最新研究趋势进行了深入探索。《深度学习（上）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN
深度学习（下）.pdf
《深度学习（下）》对所有主要的深度学习方法和最新研究趋势进行了深入探索。《深度学习（下）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN
深度学习视域下MOOC学习活动设计的理论与实践.pdf
新媒体联盟《地平线报告》（2016高等教育版）将深度学习能力作为衡量学习效果的重要标尺。在MOOC学习环境下,对学习活动进行有效设计成为促进学习者深度学习的一种手段。因此,《深度学习视域下MOOC学习活动设计的理论与实践》借助与兰州大学合作的MOOC平台和《深度学习视域下MOOC
智能通信：基于深度学习的物理层设计.pdf
近年来人工智能特别是深度学习在计算机视觉、自然语言处理、语音识别等领域获得了巨大成功，无线通信领域的研究者们期望将其应用于系统的各个层面，进而发展出智能通信，大幅度提升无线通信系统效能。智能通信也因此被认为是 5G 之后无线通信发展主流方向之一，其研究尚处于探索阶段。本书结合国内
基于深度学习的社会信息挖掘应用实例分析.pdf
本书综合了大量国内外的最新资料和作者的研究成果，以应用实践中的若干问题为研究对象，探索了基于深度神经网络的分析和建模过程，列举了深度神经网络在若干社会信息挖掘的应用；以最新资料案例为例进行社会信息分析和模型构建，给出了实践指导策略；给出了不同机器学习方法的特点与适用场景，并以实际
深度学习与图像分析——基础与应用.pdf
本书分基础和应用两个部分深入介绍了深度学习应用于图像分析的基本概念、方法和技术。在基础部分，第1章介绍了神经网络与深度学习基础知识，在此基础上，第2、3、4、5章分别深入讨论了近年来深度学习在图像分类、对象检测、语义分割及图像生成等应用领域的相关技术和方法。在每个应用领域下，对相
- «
- »