电子书
内容简介
《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个案例循序渐进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、层层递进。本书所讲解的案例均配有代码实现，并对代码进行了详细注解，读者可通过阅读代码对本书讲解的内容进行更加深入的了解。《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。
章节目录
- 封面
- 前折页
- 书名页
- 版权页
- 前言
- 目录
- 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
- 后折页
- 封底
展开全部
深度学习经典案例解析（基于MATLAB）是2021年由机械工业出版社出版,作者赵小川。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《深度学习经典案例解析（基于MATLAB）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
