新書推薦：
《
PyTorch深度学习与计算机视觉实践
》
售價：HK$
90.9
《
新任经理 100 天实战指南
》
售價：HK$
89.7
《
日本百鬼画谱
》
售價：HK$
71.3
《
大明拐点 ： 天启党争
》
售價：HK$
66.7
《
纲鉴易知录评注（布面精装 全8册）
》
售價：HK$
572.7
《
官商跃迁：中国古代政商关系简史
》
售價：HK$
101.2
《
当代学术·乡族与国家：多元视野中的闽台传统社会（修订本）
》
售價：HK$
101.2
《
了不起的中国冠军：讲给孩子的奥运故事
》
售價：HK$
78.2
|
| 內容簡介： |
|
本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成，囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成，从而提高模型的学习能力和可解释性，同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系，并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读，可扩展关于理论和分析工具的研究思路，并为深度模型的架构和解释提供有益的指导。
|
| 關於作者： |
|
---作者简介---王章阳（Zhangyang Wang） 得克萨斯农工大学（TAMU）计算机科学与工程系助理教授，致力于利用先进的特征学习和优化技术解决机器学习、计算机视觉和多媒体信号处理问题。他拥有伊利诺伊大学厄巴纳-香槟分校电子与计算机工程博士学位，师从黄煦涛教授。傅云（Yun Fu）美国东北大学工程学院和计算机与信息科学学院的跨学科教师，研究方向为机器学习、计算智能、大数据挖掘、计算机视觉、模式识别和信息物理融合系统。他是IAPR和SPIE会士，曾获得IEEE和IAPR等颁发的多项研究奖励。黄煦涛（Thomas S. Huang） 伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系教授，研究兴趣包括计算机视觉、图像压缩和增强、模式识别和多模态信号处理等。他是美国国家工程院院士、IAPR会士，曾获得包括IEEE Jack Kilby信号处理奖章、IAPR King-Sun Fu奖、国际计算机视觉会议Azriel Rosenfeld终身成就奖在内的众多奖项。他于2020年4月去世。---译者简介---黄智濒 博士，北京邮电大学计算机学院讲师。长期从事智能机器学习、超大规模并行计算、三维计算机视觉和深度学习架构方面的研究。
|
| 目錄：
|
|
译者序前言主要作者简介所有作者列表第1章引言111深度学习基础112稀疏与低秩模型基础213连接深度学习与稀疏和低秩模型214本书章节结构315参考文献4第2章双层稀疏编码：高光谱图像分类示例721引言722公式和算法9221符号表示9222联合特征的提取和分类9223双层优化公式11224算法1223实验13231对AVIRIS印第安纳松树数据的分类性能16232对AVIRIS萨利纳斯数据的分类性能17233对帕维亚大学数据的分类性能1824结论1925附录2026参考文献21第3章深度0编码器:模型展开示例2331引言2332相关工作24321基于0和1的稀疏近似243221近似的网络实现2433深度0编码器25331深度0正则化编码器25332深度M稀疏0编码器27333理论属性2834任务驱动的优化2835实验28351实现283520稀疏近似的仿真29353在分类上的应用30354在聚类上的应用3136结论和关于理论属性的讨论3337参考文献33第4章单幅图像超分辨率：从稀疏编码到深度学习3741通过具有稀疏先验的深度网络实现可靠的单幅图像超分辨率37411引言37412相关研究38413基于稀疏编码网络的图像SR39414用于可扩展SR的网络级联43415真实场景下的鲁棒SR45416实现细节47417实验48418主观评价55419结论和未来工作5742学习单幅图像超分辨率的混合深度网络58421引言58422所提出的方法59423实现细节61424实验结果61425结论和未来工作6543参考文献66第5章从双层稀疏聚类到深度聚类6951稀疏编码和可判别聚类的联合优化框架69511引言69512模型表示70513面向聚类的成本函数71514实验74515结论79516附录7952学习用于聚类的任务特定的深度架构80521引言80522相关研究81523模型表示81524深入观察：DTAGnet的分层聚类84525实验结果85526结论9253参考文献92第6章信号处理9561深度优化的压缩传感技术95611背景95612压缩传感的端到端优化模型96613DOCS：前馈CS和联合优化CS97614实验99615结论10262用于语音去噪的深度学习103621引言103622用于光谱去噪的神经网络103623实验结果106624结论和未来工作11063参考文献111第7章维度约简11371带有局部限制的边缘化去噪字典学习113711引言113712相关研究114713带有局部限制的边缘化去噪字典学习模型116714实验124715结论131716未来工作13172学习用于哈希的深度∞编码器131721引言132722ADMM算法133723深度∞编码器134724用于哈希的深度∞连体网络136725图像哈希实验137726结论14273参考文献142第8章动作识别14581跨视角动作识别的深度学习的视角不变特征145811引言145812相关工作146813深度学习的视角不变特征147814实验15282基于混合神经网络的深度摄像机动作识别157821引言157822相关工作158823混合卷积递归神经网络159824实验16383结论16684参考文献167第9章风格识别和亲属关系理解17191基于深度学习的风格分类171911背景171912栈式自编码器的预备知识174913风格中心化自编码器174914共识风格中心化自编码器177915实验18192可视化亲属关系理解185921背景185922相关工作186923家族面部187924正则化并行自编码器188925实验结果19293研究挑战和未来工作19894参考文献198第10章图像除雾：改进技术203101引言203102回顾和任务描述2041021雾建模和除雾方法2041022RESIDE数据集205103任务1:除雾恢复205104任务2:用于检测的除雾2071041解决方案集1：增强级联中的除雾和检测模块2071042解决方案集2：域自适应MaskRCNN208105结论210106参考文献211第11章生物医学图像分析：自动肺癌诊断213111引言213112相关研究214113方法论214114实验217115结论219116致谢220117参考文献220
|
| 內容試閱：
|
|
深度学习在机器学习、数据分析和计算机视觉的各种应用中取得了巨大的成功。它易于并行化，推理复杂度较低，可以端到端联合调优。然而，通用的深度架构——通常被称为“黑盒”方法，在很大程度上忽略了问题特定的公式表示和领域知识。这些架构依赖于堆叠一些临时的模块，这使得解释其工作机制变得非常困难。尽管可凭借一些假设和直觉，但人们普遍认为很难理解深度模型为什么会起作用，以及它们如何与经典机器学习模型相关联。另一方面，稀疏性和低秩性是经典机器学习中很容易被利用的正则化。通过利用高维数据的潜在低维子空间结构，这种方法在许多图像处理和理解任务中取得了巨大成功。本书概述了近期关于深度学习模型与稀疏模型和低秩模型集成的研究趋势。本书适合具备深度学习和稀疏/低秩模型基础知识的读者阅读，书中还特别强调概念和应用，希望能帮助更多的读者。本书涵盖的研究将经典的稀疏模型和低秩模型与深度网络模型进行衔接，其中，稀疏和低秩模型强调问题特定的先验性和可解释性，而深度网络模型具有更强的学习能力，同时能更好地利用大数据。你将会看到，深度学习工具箱与稀疏/低秩模型和算法紧密相关。这样的观点有望推动各类理论和分析工具的研究工作，引导深度模型的架构设计和解释。理论和建模的进展将与计算机视觉、机器学习、信号处理、数据挖掘等方面的诸多应用相辅相成。致谢感谢Elsevier团队的Ana Claudia A Garcia、Tim Pitts、Kamesh Ramajogi等在本书出版过程中对我们的悉心指导。感谢UIUC图像生成与处理（IFP）团队的学生及毕业生，与他们的学术合作及讨论令我们受益匪浅。还要感谢所有章节的作者对本书的辛勤付出。编著者
|
|
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
