新書推薦：
《
思辨者的罗盘：从逻辑谬误到严谨表达
》
售價：HK$
61.6
《
面具之下：近代日本报人对华情报活动
》
售價：HK$
96.8
《
广东省博物馆藏品大系 端砚卷
》
售價：HK$
547.8
《
你的降落伞是什么颜色：就业市场不是一场录用游戏，而是一场淘汰游戏，直到准备充分的人胜出
》
售價：HK$
82.5
《
美国军事战略研究
》
售價：HK$
184.8
《
一对一沟通
》
售價：HK$
120.9
《
南海：历史与现实
》
售價：HK$
151.8
《
变局与变奏：两次全球化与中国复兴
》
售價：HK$
140.8
|
| 內容簡介： |
|
本书介绍了一系列深度学习领域的算法及其应用，详细介绍了基于大数据分析的多种学习机制，及其在传感器设计、医疗健康、自动驾驶、工业控制、自然语言处理以及无线通信等多个领域的成功应用。本书从基础理论及其多个不同的应用背景出发，到模型算法设计以及具体应用实现，通过多个实际案例展示了深度学习最新的研究及应用成果。
|
| 目錄：
|
目录
第 1 章 直接误差驱动的学习机制 —— 大数据任务的分类问题
1.1 引言
1.2 研究背景和预备知识
1.2.1 相关工作
1.3 非线性降维
1.3.1 阶段 1：第一步 i=1 时的分组
1.3.2 阶段 2：变换
1.3.3 阶段 - 1：后续步骤 i>1 时的分组
1.4 分类
1.5 两步分类法框架
1.6 结果与讨论
1.6.1 降低噪声维度
1.6.2 降低异质性
1.6.3 分类
1.7 结论及未来工作
参考文献
第 2 章 面向软传感器设计的深度学习
2.1 过程工业中的软传感器
2.2 基于深度学习的新型软传感器
2.3 软传感器设计
2.4 深度置信网络
2.5 实际应用案例研究
2.5.1 基于半监督学习的软传感器
2.5.2 基于深度置信网降低模型复杂度
2.5.3 基于深度置信网特征的软传感器结构
2.6 结语
参考文献
第 3 章 案例研究：医疗保健中的深度卷积网络
3.1 引言
3.2 医疗保健中的深度学习方法
3.2.1 卷积神经网络
3.2.2 自编码器
3.2.3 深度多项式网络
3.2.4 混合方法
3.2.5 基于卷积神经网络的方法
3.2.6 深度学习方法中使用的技术
3.2.7 典型的预训练深度学习模型
3.3 深度学习在医疗保健中的应用
3.3.1 乳腺肿块和微钙化检测在乳腺癌分类中的应用
3.3.2 脑肿瘤分割与阿尔茨海默病
3.3.3 糖尿病性视网膜病变与白内障
3.3.4 心脏病学
3.3.5 肺癌检测
3.4 总结与展望
参考文献
第 4 章 深度域适应回归
4.1 引言
4.2 相关工作
4.3 模型框架
4.3.1 标记数据的监督损失
4.3.2 源域数据和目标数据之间的 MMD 损失
4.3.3 未标记目标数据的半监督损失
4.4 实验与结果
4.4.1 数据集与特征提取
4.4.2 基线对比
4.4.3 深层网络架构
4.4.4 实验设置
4.4.5 性能指标
4.4.6 性能分析
4.4.7 标记目标数据的影响
4.4.8 标记源域数据的影响
4.4.9 核函数的影响
4.4.10 特征分析
4.5 结论和未来工作
参考文献
第 5 章 基于深度学习的自动驾驶行人检测：成就与未来挑战
5.1 引言
5.2 行人检测与高级驾驶辅助系统和自动驾驶的安全相关性
5.3 行人检测
5.3.1 行人检测中的卷积神经网络
5.3.2 错误率对任务复杂性的依赖性
5.3.3 行人检测公开数据集综述
5.3.4 行人检测评估指标
5.3.5 结果讨论和未来研究方向
5.4 总结与展望
参考文献
第 6 章 语者辨识中的深度学习
6.1 引言
6.2 传统技术
6.2.1 特征提取
6.2.2 超向量和 i - 向量
6.2.3 i - 向量评分
6.3 深度学习前端
6.3.1 特征和 i - 向量提取
6.3.2 监督式语者嵌入
6.3.3 无监督式语者嵌入
6.4 深度学习后端
6.5 端到端深度学习方法
6.6 结语
参考文献
第 7 章 婴儿哭声检测：深度学习和经典方法
7.1 引言
7.1.1 音频事件检测方法
7.1.2 婴儿哭泣起源与作用
7.2 深度学习方法
7.2.1 数据表示
7.2.2 前馈结构
7.2.3 循环神经网络
7.3 经典方法
7.3.1 预处理和特征提取
7.3.2 逻辑回归
7.3.3 支持向量机
7.4 方法评估
7.4.1 数据集
7.4.2 训练和测试过程
7.4.3 结果
7.5 结语
参考文献
第 8 章 基于卷积神经网络的工业控制系统保护：防错误数据注入攻击
8.1 引言
8.1.1 网络攻击
8.1.2 注入攻击
8.2 前沿发展
8.3 方法
8.3.1 预处理
8.3.2 特征提取
8.3.3 深度学习
8.4 数据集
8.5 方法实现
8.5.1 预处理
8.5.2 图像表示
8.5.3 卷积神经网络的训练
8.6 结果和讨论
8.7 结论及未来工作
参考文献
第 9 章 无线通信中的深度学习
9.1 引言
9.2 端到端通信链中的深度学习
9.2.1 单天线系统
9.2.2 多天线系统
9.2.3 多用户系统
9.3 频谱态势感知中的深度学习
9.3.1 信道建模与估计
9.3.2 信号检测和调制分类
9.3.3 态势感知中的生成对抗方法
9.4 无线通信安全问题中的深度学习
9.4.1 发射器和接收器的操作模式
9.4.2 基于探索性攻击的干扰
9.4.3 其他基于对抗深度学习的攻击形式
9.4.4 针对对抗深度学习的防御方法
9.5 结语
参考文献
第 10 章 利用深度学习识别文本中的极端主义
10.1 前言
10.2 背景
10.3 数据集
10.3.1 逊尼派极端主义
10.3.2 白人至上主义
10.3.3 反法西斯组织
10.3.4 主权公民
10.3.5 良性数据集
10.4 建立模型
10.5 结果分析
10.6 相关研究工作
10.7 未来的工作
10.8 结语
参考文献
|
| 內容試閱：
|
前言
深度学习范式目前已取得了巨大成功，随之而来的是众多的新概念、方法以及相应的算法与应用。如今，我们在这一不断增长的研究领域中看到了明显的进步，人们对学术、工业、商业、医疗保健、环境科学和许多其他领域的兴趣日益浓厚。
本书共包含 10 章内容，真实反映了一系列具有多样性的深度学习算法与应用，正是这些案例使得深度学习的基本概念受到人们的青睐，得到了广泛的研究。本书涵盖了多个研究主题，“直接误差驱动的学习机制 —— 大数据任务的分类问题” 这一章详细介绍了大数据环境下的学习机制，这是一个与深度学习十分相关的适时研究主题。传感器设计过程在 “面向软传感器设计的深度学习” 这一章中进行了讨论。“案例研究：医疗保健中的深度卷积网络” 这一章节介绍了深度卷积网络在医疗健康领域中的应用。回归问题中的领域适应在 “深度域适应回归” 这一章中给出了详细介绍。从章节 “基于深度学习的自动驾驶行人检测：成就与未来挑战” 到章节 “利用深度学习识别文本中的极端主义” 给出了深度学习技术在自动驾驶、语音辨识、婴儿啼哭检测、工业控制、无线通信以及文本分析领域中的具体应用，这些都是深度学习广泛应用的见证。
在此，非常感谢本系列丛书总编辑 Janusz Kacprzyk 教授在实现本项目出版期间所给予的鼓励和支持，非常感谢 Springer 出版社的专业精神，使得本书能够顺利高效地出版。
埃德蒙顿，加拿大 Witold Pedrycz台北，中国 Shyi - Ming Chen
Ⅲ
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
