瑜伽科學解析 - 從解剖學與生理學的角度深入學習

類似書籍推薦給您

書名：瑜伽科學解析 - 從解剖學與生理學的角度深入學習 作者：安 史旺森 Ann Swanson著, 謝靜玫譯 出版社：旗標 出版日期：5/3/2019 條碼：9789863125938 內容簡介 以科學原理和證據揭開瑜伽的奧祕 大多數瑜伽解剖學書籍和課程都把焦點放在肌肉骨骼系統，然而練習瑜伽會影響到身體所有的系統。本書解析練習瑜伽對身體各系統的主要影響和好處。先從現代生物學的定義去研究了解人體的解剖系統，然後挑戰自己，轉而從瑜伽的觀點整合所有系統協同運作。當全身系統合而為一，就會感受到自己超凡的身體能力。 深入了解瑜伽在生理學上的意義，就越加感覺到神奇，也越想要進一步探索。本書透過具有代表性的體位法做深度解說，精緻的大幅解剖圖並以 3 種顏色標示，幫助您了解各部位肌肉的運作狀態。 科學或許能解釋許多事情的現象和原因，但是無論多麼嚴謹的研究，都比不上自己親身體驗到的療癒效果和心靈轉變，只有靠自己實際練習才能善用瑜伽的力量，進而擁有能夠完全掌握各個體位法的自信，並理解瑜伽對人體 11 大系統，包括皮膚系統、骨骼系統、肌肉系統、神經系統、內分泌系統、呼吸系統、心血管系統、淋巴系統、消化系統、泌尿系統、生殖系統的影響。 本書特色 1 精緻解剖圖，標示出肌肉與關節的作用，並將參與的肌群以三種不同顏色清楚標示。 2. 從生理學瞭解瑜伽對人體 11 種系統的益處。 3. 採用軟精裝裝訂方式，讓您可完全攤平閱讀。 作者介紹 作者簡介 安．史旺森（Ann Swanson） 安．史旺森（Ann Swanson）擁有 MS、C-IAYT、LMT、E-RYT 500 等瑜伽相關證照和資格，同時也是一位心身科學教育家。她擁有馬里蘭州綜合健康大學瑜伽療法科學碩士學位，畢業後在該校兼任教職工作。憑藉著在大學、按摩治療學校和瑜伽教師培訓課程中累積多年的解剖學和生理學的輔導和教學經驗，讓她訓練出讓複雜的科學概念變得簡單易懂的教學能力。 她將先進的科學研究實際應用在瑜伽上面，但又同時保有傳統的核心價值。在她私人經營的網站上，以線上形式提供便利的管道讓更多人能夠接觸到瑜伽療法、氣功和正念冥想，協助全世界的人有效地做好疼痛和壓力管理。 想了解更多有關安的資訊，請到 www.AnnSwansonWellness.com 查詢。 目錄 第 1 篇 人體解剖學 從細胞到系統／骨骼系統／肌肉系統／神經系統／內分泌系統／呼吸系統／心血管系統／淋巴系統／消化系統／泌尿系統／生殖系統 第 2 篇 坐姿體位法 聖人式 Siddhasana 束角式 Baddha Konasana 貓式 Marjaryasana 牛式 Bitilasana 牛面式 Gomukhasana 反轉頭碰膝式 Parivrtta Janu Sirsasana 半魚王式 Ardha Matsyendrasana 嬰兒式 Balasana 駱駝式 Ustrasana 鴿王式 Eka Pada Rajakapotasana 第 3 篇 站姿體位法 山式 Tadasana 站姿前彎式 Uttanasana 椅子式 Utkatasana 新月式 Anjaneyasana 戰士二式 Virabhadrasana II 戰士三式 Virabhadrasana III 樹式 Vrksasana 舞王式 Natarajasana 三角式 Trikonasana 第 4 篇 倒立體位法 下犬式 Adho Mukha Svanasana 頭倒立式 Sirsasana 半肩倒立式 Ardha Sarvangasana 橋式 Setu Bandhasana 輪式 Urdhva Dhanurasana 第 5 篇 地板體位法 烏鴉式 Bakasana 棒式 Kumbhakasana 側棒式 Vasisthasana 眼鏡蛇式 Bhujangasana 蝗蟲式 Salabhasana 仰臥手抓腳拇趾伸展式 Supta Padangusthasana 仰臥脊椎扭轉式 Supta Matsyendrasana 第 6 篇 常見問題與回答 關節與柔軟度 脊椎的照護 人生各個階段都可以練習瑜伽 冥想 攤屍式 壓力 大腦與心理幸福感 慢性疼痛 瑜伽療法 轉化 最新的科學研究 練習瑜伽應注意事項 重要名詞解釋 參考文獻 作者簡介

生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲 第二版 (2版)

類似書籍推薦給您

【簡介】 生成式AI是科技界最熱門的主題。本書以實務導向，教導機器學習工程師與資料科學家們如何使用 TensorFlow 與 Keras 來從頭做出令人讚嘆的生成深度學習模型，包含變分自動編碼器（VAE）、生成對抗網路（GAN）、Transformer、正規化流、能量模型與降噪擴散模型。 本書從深度學習的基礎開始，逐步談到最尖端的架構。透過各種提示與小技巧，您將理解如何讓模型更有效地學習並變得更富有創造力。 ．探索如何使用VAE（變分自動編碼器）來修改照片中的臉部表情 ．訓練各種GAN（生成對抗網路）以根據您專屬的資料集來生成圖像 ．建置擴散模型來生成新品種的花卉 ．自行訓練GPT來生成文字 ．了解像ChatGPT這樣的大型語言模型是如何訓練的 ．探索StyleGAN2與ViT-VQGAN這類最新架構 ．使用變換器（Transformer）和MuseGAN編寫多聲部音樂 ．理解生成世界模型如何解決強化學習任務 ．深入研究DALL.E 2、Imagen和Stable Diffusion這類多模態模型 本書還探討了生成式AI的未來，以及個人和公司如何藉由積極著手運用這項非凡的新技術來創造競爭優勢。 「這是一本淺顯易懂的絕佳入門書，介紹生成建模的各種深度學習套件。如果您喜歡寫點程式並希望將深度學習應用於工作中的創意從業者，這本書保證適合您。」 ——Stability AI策略部門主管David Ha—— 「這本書超級棒，深入介紹了各種最新生成式深度學習背後的所有主要技術。這是對AI中最迷人領域的一趟引人入勝探索之旅！」 ——Keras創辦人François Chollet—— 【目錄】 【第一篇 認識生成深度學習】 chapter 1　生成建模 　什麼是生成建模？ 　chapter一個生成式模型 　核心機率理論 　生成模型分類 　生成深度學習程式庫 chapter 2　深度學習 　深度學習的資料 　深度神經網路 　多層感知器（MLP） 　卷積神經網路（CNN） 【第二篇 方法】 chapter 3　變分自動編碼器 　簡介 　自動編碼器 　變分自動編碼器 　探索潛在空間 chapter 4　生成對抗網路 　簡介 　深度卷積生成對抗網路（DCGAN） 　具梯度懲罰的 Wasserstein GAN（WGAN-GP） 　條件生成對抗網路（CGAN） chapter 5　自迴歸模型 　簡介 　長短期記憶網路（LSTM） 　遞歸神經網路（RNN）的延伸 　PixelCNN chapter 6　正規化流模型 　簡介 　正規化流 　RealNVP 　其他正規化流模型 chapter 7　能量模型 　簡介 　能量模型 　總結 chapter 8　擴散模型 　簡介 　降噪擴散模型（DDM） 　總結 【第三篇 應用】 chapter 9　Transformer 　簡介 　GPT 　其他 Transformer 模型 　總結 chapter 10　進階 GAN 　簡介 　ProGAN 　StyleGAN 　StyleGAN2 　其他重要的 GAN chapter 11　音樂生成 　簡介 　音樂生成的 Transformer 模型 　MuseGAN 　總結 chapter 12　世界模型 　簡介 　強化學習 　世界模型概述 　收集隨機推演資料 　訓練 VAE 　收集資料以訓練 MDN-RNN 　訓練 MDN-RNN 　訓練控制器 　夢境訓練 chapter 13　多模態模型 　簡介 　DALL.E 2 　Imagen 　Stable Diffusion 　Flamingo chapter 14　結語 　生成式 AI 的時間軸 　生成式 AI 的現狀 　生成式 AI 的未來 　最終想法 索引

邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功能的ROS2機器人 (1版)

類似書籍推薦給您

【簡介】 內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！ 【目錄】 章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結