掃一掃
關(guān)注中圖網(wǎng)
官方微博
人工智能與機(jī)器學(xué)習(xí)實訓(xùn)教程(進(jìn)階) 版權(quán)信息
- ISBN：9787564393779
- 條形碼：9787564393779 ; 978-7-5643-9377-9
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
人工智能與機(jī)器學(xué)習(xí)實訓(xùn)教程(進(jìn)階) 內(nèi)容簡介
本教材是四川省產(chǎn)教融合項目的成果之一。本教材撰寫的初衷是為西南交通大學(xué)電子信息工程專業(yè)的人工智能課程提供實踐指導(dǎo)，其設(shè)計主旨是服務(wù)于計算機(jī)專業(yè)之外的廣大學(xué)生，擬通過豐富的項目工程案例和實際動手實踐細(xì)節(jié)講解，讓他們快速入門深度學(xué)習(xí)并以案例為引導(dǎo)找到學(xué)習(xí)方向。本書內(nèi)容主要劃分五個部分，分別介紹了深度學(xué)習(xí)基礎(chǔ)知識、開發(fā)環(huán)境配置、經(jīng)典網(wǎng)絡(luò)介紹、熱門AI項目實訓(xùn)、軌道交通背景下的具體應(yīng)用實踐案例。本書作為人工智能本科課程的實驗指導(dǎo)書和實訓(xùn)類教材，同時也適用于具有一定深度學(xué)習(xí)基礎(chǔ)的同學(xué)。通過對經(jīng)典網(wǎng)絡(luò)學(xué)習(xí)、熱門AI項目復(fù)現(xiàn)以及軌道交通實際問題的解決，進(jìn)一步加深對人工智能和軌道交通智能化的理解。
人工智能與機(jī)器學(xué)習(xí)實訓(xùn)教程(進(jìn)階) 目錄
**部分 深度學(xué)習(xí)基礎(chǔ)、環(huán)境配置介紹
1 深度學(xué)習(xí)背景及基礎(chǔ)知識
1．1 深度學(xué)習(xí)相關(guān)應(yīng)用領(lǐng)域
1．2 深度學(xué)習(xí)種類
1．3 基于深度學(xué)習(xí)的優(yōu)化方法
1．4 深度學(xué)習(xí)常用軟件工具及平臺
1．5 深度學(xué)習(xí)相關(guān)加速技術(shù)
1．6 其他技術(shù)研究
2 深度學(xué)習(xí)環(huán)境配置
2．1 CUDA及CUDNN安裝
2．2 版本選擇
2．3 Tensorflow-gpu安裝
2．4 Pytorch-gpu安裝
第二部分 深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3 典型深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3．1 DenSeNet
3．2 VGG Net
3．3 ResNet
3．4 GoogLeNet
3．5 Xception
3．6 EfficientNet
第三部分 熱門AI項目復(fù)現(xiàn)
4 項目一 基于神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測
4．1 前期準(zhǔn)備
4．2 原理介紹
4．3 實訓(xùn)流程
4．4 總結(jié)展望
5 項目二 基于DeeplabV3的語義分割
5．1 前期準(zhǔn)備
5．2 原理介紹
5．3 實訓(xùn)流程
5．4 總結(jié)展望
6 項目三 基于YOLOv3的口罩佩戴檢測
6．1 前期準(zhǔn)備
6．2 原理介紹
6．3 實訓(xùn)流程
6．4 總結(jié)展望
7 項目四 基于faceNet的人臉識別
7．1 前期準(zhǔn)備
7．2 原理介紹
7．3 實訓(xùn)流程
7．4 總結(jié)展望
第四部分 軌道交通智能化典型工程案例
8 工程應(yīng)用一 弓網(wǎng)燃弧檢測
8．1 項目背景以及目標(biāo)
8．2 數(shù)據(jù)采集及預(yù)處理
8．3 弓網(wǎng)燃弧檢測算法總體設(shè)計
8．4 網(wǎng)絡(luò)訓(xùn)練、測試與驗證
8．5 總結(jié)與展望
8．6 附錄
9 工程應(yīng)用二牽引變電所異物入侵檢測
9．1 項目背景及目標(biāo)
9．2 項目數(shù)據(jù)采集及預(yù)處理
9．3 牽引變電所異物入侵檢測算法設(shè)計
9．4 網(wǎng)絡(luò)訓(xùn)練與測試
9．5 總結(jié)與展望
9．6 附錄
10 工程應(yīng)用三 運達(dá)地鐵列車3600外觀檢測
10．1 螺栓松動檢測
……
第五部分 軌道交通智能化實戰(zhàn)項目
參考文獻(xiàn)
1 深度學(xué)習(xí)背景及基礎(chǔ)知識
1．1 深度學(xué)習(xí)相關(guān)應(yīng)用領(lǐng)域
1．2 深度學(xué)習(xí)種類
1．3 基于深度學(xué)習(xí)的優(yōu)化方法
1．4 深度學(xué)習(xí)常用軟件工具及平臺
1．5 深度學(xué)習(xí)相關(guān)加速技術(shù)
1．6 其他技術(shù)研究
2 深度學(xué)習(xí)環(huán)境配置
2．1 CUDA及CUDNN安裝
2．2 版本選擇
2．3 Tensorflow-gpu安裝
2．4 Pytorch-gpu安裝
第二部分 深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3 典型深度學(xué)習(xí)網(wǎng)絡(luò)介紹
3．1 DenSeNet
3．2 VGG Net
3．3 ResNet
3．4 GoogLeNet
3．5 Xception
3．6 EfficientNet
第三部分 熱門AI項目復(fù)現(xiàn)
4 項目一 基于神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測
4．1 前期準(zhǔn)備
4．2 原理介紹
4．3 實訓(xùn)流程
4．4 總結(jié)展望
5 項目二 基于DeeplabV3的語義分割
5．1 前期準(zhǔn)備
5．2 原理介紹
5．3 實訓(xùn)流程
5．4 總結(jié)展望
6 項目三 基于YOLOv3的口罩佩戴檢測
6．1 前期準(zhǔn)備
6．2 原理介紹
6．3 實訓(xùn)流程
6．4 總結(jié)展望
7 項目四 基于faceNet的人臉識別
7．1 前期準(zhǔn)備
7．2 原理介紹
7．3 實訓(xùn)流程
7．4 總結(jié)展望
第四部分 軌道交通智能化典型工程案例
8 工程應(yīng)用一 弓網(wǎng)燃弧檢測
8．1 項目背景以及目標(biāo)
8．2 數(shù)據(jù)采集及預(yù)處理
8．3 弓網(wǎng)燃弧檢測算法總體設(shè)計
8．4 網(wǎng)絡(luò)訓(xùn)練、測試與驗證
8．5 總結(jié)與展望
8．6 附錄
9 工程應(yīng)用二牽引變電所異物入侵檢測
9．1 項目背景及目標(biāo)
9．2 項目數(shù)據(jù)采集及預(yù)處理
9．3 牽引變電所異物入侵檢測算法設(shè)計
9．4 網(wǎng)絡(luò)訓(xùn)練與測試
9．5 總結(jié)與展望
9．6 附錄
10 工程應(yīng)用三 運達(dá)地鐵列車3600外觀檢測
10．1 螺栓松動檢測
……
第五部分 軌道交通智能化實戰(zhàn)項目
參考文獻(xiàn)
展開全部
人工智能與機(jī)器學(xué)習(xí)實訓(xùn)教程(進(jìn)階) 作者簡介
黃德青，男，西南交通大學(xué)，教授，博士(后)；主要研究領(lǐng)域為控制理論及應(yīng)用、人工智能；主持參與國家自然基金、新加坡教育部、國防部等項目19項，發(fā)表論文100余篇。 秦娜，女，西南交通大學(xué)，副教授，博士。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
名家?guī)阕x魯迅:朝花夕拾
- >
二體千字文
- >
巴金－再思錄
- >
朝聞道
- >
莉莉和章魚
- >
羅曼·羅蘭讀書隨筆-精裝
- >
煙與鏡
本類暢銷
