[美] 拉加夫·维凯特森(Ragav Venkatesan)李宝新(Baoxin Li)著:拉加夫•维凯特森(Ragav Venkatesan)他是ASU的视觉表示和处理小组的一名研究助理,曾在机器学习、模式识别、视频处理和计算机视觉等多个研究生课程中担任助教。他是机器学习和计算机视觉领域的几个期刊的同行评审和会议审稿人。 李宝新(Baoxin Li) 目前是亚利桑那州立大学计算机科学与工程专业的教授和主任。从2000年到2004年,他任美国夏普实验室的高级研究员,领导研发夏普的HiMPACT体育技术。他还曾是俄勒冈州波特兰州立大学的副教授。他拥有18项美国专利,目前的研究兴趣包括计算机视觉和模式识别、多媒体、社会计算、机器学习和辅助技术。2001年和2004年,他获得夏普实验室总裁奖。2002年,他获得了夏普实验室年度发明者奖,还曾获得国家自然科学基金会职业奖。 |
从零基础开始,系统阐述卷积神经网络理论基础及其实践应用,可以帮助初学者快速学习和构建深度学习系统。第1章简要介绍了图像表示和一些计算机视觉模型;第2章介绍了回归、机器学习和优化的概念;第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数,以及两类和多类问题的单神经元模型等;第4章介绍了卷积池化层和CNN;第5章通过介绍CNN的一些当前新颖实用的用法,进一步拓展和丰富了深度神经网络的结构。 |
译者序 作者简介 前言 致谢 第1章视觉计算简介 11图像表示基础 111变换域表示 112图像的直方图 113图像梯度和边缘 114超越图像梯度 12基于Hough变换的直线检测 13Harris角点 14尺度不变的特征变换 15方向梯度直方图 151人工设计特征空间中的决策制定 152贝叶斯决策 153线性决策边界 16可变形零件模型的实例研究 17计算机视觉向神经网络转变 本章小结 参考文献 第2章回归问题中的机器学习 21监督学习 22线性模型 23最小二乘法 24极大似然估计的解释 25扩展到非线性模型 26正则化 27交叉验证 28梯度下降 29几何正则化 210非凸误差面 211随机梯度、批梯度及在线梯度下降 212其他自适应学习率的更新规则 213动量 本章小结 参考文献 第3章 人工神经网络 31感知器 32多层神经网络 33反向传播算法 34改进的反向传播算法 341激活函数 342权重剪枝 343批量标准化 本章小结 参考文献 第4章卷积神经网络 41卷积与池化层 42卷积神经网络 本章小结 参考文献 第5章卷积神经网络的新进展 51预训练网络 511通用性和可传递性 512利用预训练网络的模型压缩 513Mentee网络与FitNet 514使用预训练网络的应用:使用CNN的图像美学 52生成网络 521自动编码器 522生成对抗网络 本章小结 参考文献 附录AYann 后记 |
本店所售图书均为正版书籍