书目信息 |
| 题名： |
深度学习、优化与识别
|
|
| 作者： | 焦李成, ， 赵进 ， 杨淑媛 著 | |
| 分册： | ||
| 出版信息： | 北京 清华大学出版社 2017 |
|
| 页数： | xii, 395页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP183 | |
| 科图分类： | ||
| 主题词： | 人工神经网络--ren gong shen jing wang luo--研究 | |
| 电子资源： | ||
| ISBN： | 978-7-302-47367-1 | |
| 000 | 01830cam0 2200313 450 | |
| 001 | 1015176 | |
| 005 | 20181123102154.71 | |
| 010 | @a978-7-302-47367-1@dCNY128.00 | |
| 098 | @a1015176 | |
| 100 | @a20171025d2017 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 200 | 1 | @a深度学习、优化与识别@Ashen du xue xi 、you hua yu shi bie@d= Deep learning, optimization and recognition@f焦李成 ... [等] 著@zeng |
| 210 | @a北京@c清华大学出版社@d2017 | |
| 215 | @axii, 395页@c图 (部分彩图)@d24cm | |
| 304 | @a题名页题: 焦李成, 赵进, 杨淑媛, 刘芳著 | |
| 314 | @a焦李成, 男, 汉族, 1959年10月生, 1992年起任西安电子科技大学教授。 | |
| 320 | @a有书目 | |
| 330 | @a深度神经网络是近年来受到广泛关注的研究方向, 它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共十六章, 分为两个部分; 第一部分 (第一章到第十章) 系统论述了理论及算法, 包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等; 第二部分 (第十一章到第十五章) 论述了常用的深度学习平台, 以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用; 第十六章为总结与展望, 给出了深度学习发展的历史图、前沿方及最新进展。每章都附有相关阅读材料及仿真代码, 以便有兴趣的读者进一步钻研探索。 | |
| 333 | @a本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考, 以及作为相关专业本科生及研究生教学参考书, 同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考 | |
| 510 | 1 | @aDeep learning, optimization and recognition@zeng |
| 606 | 0 | @a人工神经网络@Aren gong shen jing wang luo@x研究 |
| 690 | @aTP183@v5 | |
| 701 | 0 | @a焦李成,@Ajiao li cheng@f1959-@4著 |
| 701 | 0 | @a赵进@Azhao jin@4著 |
| 701 | 0 | @a杨淑媛@Ayang shu yuan@4著 |
| 801 | 0 | @aCN@c20171025 |
| 905 | @a河南城建学院图书馆@dTP183@eJ6672@f1 | |
| 深度学习、优化与识别= Deep learning, optimization and recognition/焦李成 ... [等] 著.-北京：清华大学出版社，2017 |
| xii, 395页：图 (部分彩图)；24cm |
| 使用对象：本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考, 以及作为相关专业本科生及研究生教学参考书, 同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考 |
| ISBN 978-7-302-47367-1：CNY128.00 |
| 深度神经网络是近年来受到广泛关注的研究方向, 它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共十六章, 分为两个部分; 第一部分 (第一章到第十章) 系统论述了理论及算法, 包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等; 第二部分 (第十一章到第十五章) 论述了常用的深度学习平台, 以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用; 第十六章为总结与展望, 给出了深度学习发展的历史图、前沿方及最新进展。每章都附有相关阅读材料及仿真代码, 以便有兴趣的读者进一步钻研探索。 |
| ● |
| 相关链接 |
|
|
|
正题名：深度学习、优化与识别
索取号：TP183/J6672
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1233930 | 212339307 | 计算机与数据科学学院资料室/ [索取号:TP183/J667-2] | 在馆 | |
| 2 | 1234587 | 212345871 | 测绘与城市空间信息学院资料室/ [索取号:TP183/J6672] | 在馆 | |
| 3 | 1342606 | 213426069 | 自科库301/ [索取号:TP183/J667-2] | 在馆 |