书目信息

书名: 实用卷积神经网络 
作者: 赛瓦克 普贾里 卡里姆 著 ;王彩霞
出版信息: 北京   机械工业出版社  2019.04
开本页数: 24cm  XI, 181页
丛书名: 智能系统与技术丛书
单 册:
中图分类: TP181
科图分类:
主题词: 人工神经网络--ren gong shen jing wang luo--应用--机器学习--研究
电子资源:
ISBN: 978-7-111-62196-6
000 01801nam 2200313 450
001 CAL 0120192731672
010    @a978-7-111-62196-6@dCNY69.00
100    @a20191007d2019 em y0chiy50 ea
101 @achi@cinc@ceng@cben
102    @aCN@b110000
105    @aak a 000yy
200 @a实用卷积神经网络@Ashi yong juan ji shen jing wang luo@e运用Python实现高级深度学习模型@f(印度) 莫希特·赛瓦克, (孟加拉) 穆罕默德·礼萨·卡里姆, (美) 普拉蒂普·普贾里著@d= Practical convolutional neural networks@eimplement advanced deep learning models using Python@fMohit Sewak, Md. Rezaul Karim, Pradeep Pujari@g王彩霞译@zeng
210    @a北京@c机械工业出版社@d2019.04
215    @aXI, 181页@c图@d24cm
225 @a智能系统与技术丛书@Azhi neng xi tong yu ji shu cong shu
314    @a莫希特·赛瓦克是IBM的高级认知数据科学家。穆罕默德·礼萨·卡里姆是德国Fraunhofer FIT的研究科学家。普拉蒂普·普贾里, 是沃尔玛实验室的机器学习工程师, 也是ACM的杰出成员。
320    @a有书目
330    @a本书共分为9章, 主要内容包括: 深度神经网络概述 ; 卷积神经网络介绍 ; 构建CNN并进行性能优化 ; 经典的CNN模型架构 ; 转移学习 ; CNN自编码器 ; CNN目标检测与实例分割 ; GAN: 使用CNN生成新图像等。
410  0 @12001 @a智能系统与技术丛书
510 @aPractical convolutional neural networks@eimplement advanced deep learning models using Python@zeng
517 @a运用Python实现高级深度学习模型@Ayun yong Python shi xian gao ji shen du xue xi mo xing
606 @a人工神经网络@Aren gong shen jing wang luo@x应用@x机器学习@x研究
690    @aTP181@v5
701  1 @a赛瓦克@Asai wa ke@g(Sewak, Mohit)@4著
701  1 @a普贾里@Apu jia li@g(Pujari, Pradeep)@4著
701  1 @a卡里姆@Aka li mu@g(Karim Md, Rezaul)@4著
702  0 @a王彩霞@Awang cai xia@4译
801  0 @aCN@c20191007
905    @a河南城建学院图书馆@dTP181@eS021
    
    实用卷积神经网络:运用Python实现高级深度学习模型/(印度) 莫希特·赛瓦克, (孟加拉) 穆罕默德·礼萨·卡里姆, (美) 普拉蒂普·普贾里著= Practical convolutional neural networks:implement advanced deep learning models using Python/Mohit Sewak, Md. Rezaul Karim, Pradeep Pujari/王彩霞译.-北京:机械工业出版社,2019.04
    XI, 181页:图;24cm.-(智能系统与技术丛书)
    
    
    ISBN 978-7-111-62196-6:CNY69.00
    本书共分为9章, 主要内容包括: 深度神经网络概述 ; 卷积神经网络介绍 ; 构建CNN并进行性能优化 ; 经典的CNN模型架构 ; 转移学习 ; CNN自编码器 ; CNN目标检测与实例分割 ; GAN: 使用CNN生成新图像等。
相关链接
在五车中查询图书 在当当中查询图书 在豆瓣中查询图书


正题名:实用卷积神经网络     索取号:TP181/S021         预约/预借

序号 登录号 条形码 馆藏地/架位号 状态 备注
1 1390607   213906077   自科库301/301自科库 39排1列4层/ [索取号:TP181/S021] 在馆    
2 1390608   213906086   自科库301/301自科库 39排1列4层/ [索取号:TP181/S021] 在馆