深度學習－從入門到實戰（使用MATLAB） ISBN13：9789865034313 出版社：全華圖書 作者：郭至恩 裝訂／頁數：平裝／400頁 附件：光碟1片 規格：26cm*19cm*1.5cm (高/寬/厚) 版次：1 出版日：2020/07/02 中國圖書分類：電腦應用及其程式 內容簡介 深度學習是目前人工智慧裡最熱門的領域之一，許多生活上的應用，如語言翻譯、語音識別、圖形識別、物件偵測、圖像生成等，皆運用了深度學習的技術，而取得重大的突破。 　　在學習開發深度學習演算法時，首先要選擇開發工具與環境。市面上有許多開發深度學習技術的套件，如Tensorflow、Keras、PyTorch、MXNet等，這些工具雖然大幅降低進入深度學習技術的門檻，但仍有環境設置困難、套件版本不一等缺點。而Matlab具有便利簡單的語言與環境，為了讓讀者能輕鬆進入深度學習領域，本書使用Matlab程式語言來進行深度學習的開發與應用，並以初學者的角度講解，讓讀者可以輕鬆建構深度學習的概念。此外，本書介紹許多Matlab應用於深度學習的相關範例，使讀者累積應用的能力。 目錄 第一章　環境建置 1-1 MATLAB 介紹 1-2 MATLAB 與相關工具箱安裝 1-3 深度學習相關套件安裝 1-4 GPU 加速運算介紹 第二章　數據標記與常見工具介紹 2-1 基本資料標記(How to label image data into MATLAB) 2-2 影像感興趣區域標記 2-3 圖像預處理 2-4 資料擴增(Data Augmentation) 第三章　深度學習常見模型與函式語法介紹 3-1 卷積神經網路(convolution neural network, CNN) 3-2 卷積神經網路網路模型相關函式語法介紹 3-3 遞歸神經網路(recurrent neural network, RNN) 3-4 遞歸神經網路模型相關函式語法介紹 3-5 自動編碼器介紹(auto encoder) 3-6 自動編碼器相關函式語法與範例介紹 第四章　網路訓練參數與資料擴增之相關函式語法介紹 4-1 訓練網路的相關參數設置 4-2 模型預測與效能評估 4-3 圖像資料擴增 第五章　預訓練模型與遷移式學習 5-1 預訓練模型 5-2 遷移式學習(transfer learning) 第六章　Deep Network Designer 6-1 建立網路模型 6-2 修正模型 6-3 使用Deep Network Designer 進行遷移學習 第七章　Experiment Manager 7-1 Experiment Manager 介面 7-2 使用Experiment Manager 訓練深度學習網路用於分類問題 7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題 7-4 使用多個預訓練模型進行遷移學習 第八章　CNN 實戰範例 8-1 CIFAR-10 圖像分類 8-2 檢查點(Checkpoint)設置 8-3 深度學習應用於網路攝影機影像分類 8-4 卷積經神經網路的學習內容可視化 8-5 深度學習應用於物件偵測 8-6 深度學習應用於語義分割 第九章　LSTM 實戰範例 9-1 深度學習應用於時間序列 9-2 序列的分類範例 9-3 序列到序列使用LSTM 的人類動作分類(human activity) 9-4 序列到序列的迴歸範例 第十章　進階範例-生成式網路 10-1 自定義的網路訓練迴圈 10-2 生成對抗網路 10-3 常見的GAN 訓練失敗模式 10-4 條件式生成對抗網路 10-5 神經風格轉換 10-6 後語