深度學(xué)習(xí)：基于稀疏和低秩模型

定　價(jià)：￥89.00

作　者：	王章陽(yáng)，[美] 傅云，[美] 黃煦濤著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111689348	出版時(shí)間：	2021-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	232	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)由近幾年發(fā)表在各類(lèi)頂級(jí)期刊和國(guó)際會(huì)議/研討會(huì)上的論文集結(jié)而成，囊括國(guó)內(nèi)外深度學(xué)習(xí)研究者的成果。本書(shū)關(guān)注經(jīng)典的稀疏/低秩模型與強(qiáng)調(diào)問(wèn)題特定的先驗(yàn)性和可解釋性的深度網(wǎng)絡(luò)模型的集成，從而提高模型的學(xué)習(xí)能力和可解釋性，同時(shí)更有效地利用大數(shù)據(jù)。書(shū)中展示了深度學(xué)習(xí)工具箱與稀疏/低秩模型和算法的緊密聯(lián)系，并介紹了這些技術(shù)在維度約簡(jiǎn)、動(dòng)作識(shí)別、風(fēng)格識(shí)別、親屬關(guān)系理解、圖像除霧以及生物醫(yī)學(xué)圖像分析等方面的成功應(yīng)用。本書(shū)適合有一定基礎(chǔ)的讀者閱讀，可擴(kuò)展關(guān)于理論和分析工具的研究思路，并為深度模型的架構(gòu)和解釋提供有益的指導(dǎo)。

作者簡(jiǎn)介

　　：作者簡(jiǎn)介：王章陽(yáng)（Zhangyang Wang）得克薩斯農(nóng)工大學(xué)（TAMU）計(jì)算機(jī)科學(xué)與工程系助理教授，致力于利用先進(jìn)的特征學(xué)習(xí)和優(yōu)化技術(shù)解決機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和多媒體信號(hào)處理問(wèn)題。他擁有伊利諾伊大學(xué)厄巴納-香檳分校電子與計(jì)算機(jī)工程博士學(xué)位，師從黃煦濤教授。傅云（Yun Fu）美國(guó)東北大學(xué)工程學(xué)院和計(jì)算機(jī)與信息科學(xué)學(xué)院的跨學(xué)科教師，研究方向?yàn)闄C(jī)器學(xué)習(xí)、計(jì)算智能、大數(shù)據(jù)挖掘、計(jì)算機(jī)視覺(jué)、模式識(shí)別和信息物理融合系統(tǒng)。他是IAPR和SPIE會(huì)士，曾獲得IEEE和IAPR等頒發(fā)的多項(xiàng)研究獎(jiǎng)勵(lì)。黃煦濤（Thomas S. Huang）伊利諾伊大學(xué)厄巴納-香檳分校電子與計(jì)算機(jī)工程系教授，研究興趣包括計(jì)算機(jī)視覺(jué)、圖像壓縮和增強(qiáng)、模式識(shí)別和多模態(tài)信號(hào)處理等。他是美國(guó)國(guó)家工程院院士、IAPR會(huì)士，曾獲得包括IEEE Jack Kilby信號(hào)處理獎(jiǎng)?wù)隆APR King-Sun Fu獎(jiǎng)、國(guó)際計(jì)算機(jī)視覺(jué)會(huì)議Azriel Rosenfeld終身成就獎(jiǎng)在內(nèi)的眾多獎(jiǎng)項(xiàng)。他于2020年4月去世。：譯者簡(jiǎn)介：黃智瀕博士，北京郵電大學(xué)計(jì)算機(jī)學(xué)院講師。長(zhǎng)期從事智能機(jī)器學(xué)習(xí)、超大規(guī)模并行計(jì)算、三維計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)架構(gòu)方面的研究。

圖書(shū)目錄

譯者序
前言
主要作者簡(jiǎn)介
所有作者列表
第1章引言1
11深度學(xué)習(xí)基礎(chǔ)1
12稀疏與低秩模型基礎(chǔ)2
13連接深度學(xué)習(xí)與稀疏和低秩模型2
14本書(shū)章節(jié)結(jié)構(gòu)3
15參考文獻(xiàn)4
第2章雙層稀疏編碼：高光譜圖像分類(lèi)示例7
21引言7
22公式和算法9
221符號(hào)表示9
222聯(lián)合特征的提取和分類(lèi)9
223雙層優(yōu)化公式11
224算法12
23實(shí)驗(yàn)13
231對(duì)AVIRIS印第安納松樹(shù)數(shù)據(jù)的分類(lèi)性能16
232對(duì)AVIRIS薩利納斯數(shù)據(jù)的分類(lèi)性能17
233對(duì)帕維亞大學(xué)數(shù)據(jù)的分類(lèi)性能18
24結(jié)論19
25附錄20
26參考文獻(xiàn)21
第3章深度0編碼器:模型展開(kāi)示例23
31引言23
32相關(guān)工作24
321基于0和1的稀疏近似24
3221近似的網(wǎng)絡(luò)實(shí)現(xiàn)24
33深度0編碼器25
331深度0正則化編碼器25
332深度M稀疏0編碼器27
333理論屬性28
34任務(wù)驅(qū)動(dòng)的優(yōu)化28
35實(shí)驗(yàn)28
351實(shí)現(xiàn)28
3520稀疏近似的仿真29
353在分類(lèi)上的應(yīng)用30
354在聚類(lèi)上的應(yīng)用31
36結(jié)論和關(guān)于理論屬性的討論33
37參考文獻(xiàn)33
第4章單幅圖像超分辨率：從稀疏編碼到深度學(xué)習(xí)37
41通過(guò)具有稀疏先驗(yàn)的深度網(wǎng)絡(luò)實(shí)現(xiàn)可靠的單幅圖像超分辨率37
411引言37
412相關(guān)研究38
413基于稀疏編碼網(wǎng)絡(luò)的圖像SR39
414用于可擴(kuò)展SR的網(wǎng)絡(luò)級(jí)聯(lián)43
415真實(shí)場(chǎng)景下的魯棒SR45
416實(shí)現(xiàn)細(xì)節(jié)47
417實(shí)驗(yàn)48
418主觀評(píng)價(jià)55
419結(jié)論和未來(lái)工作57
42學(xué)習(xí)單幅圖像超分辨率的混合深度網(wǎng)絡(luò)58
421引言58
422所提出的方法59
423實(shí)現(xiàn)細(xì)節(jié)61
424實(shí)驗(yàn)結(jié)果61
425結(jié)論和未來(lái)工作65
43參考文獻(xiàn)66
第5章從雙層稀疏聚類(lèi)到深度聚類(lèi)69
51稀疏編碼和可判別聚類(lèi)的聯(lián)合優(yōu)化框架69
511引言69
512模型表示70
513面向聚類(lèi)的成本函數(shù)71
514實(shí)驗(yàn)74
515結(jié)論79
516附錄79
52學(xué)習(xí)用于聚類(lèi)的任務(wù)特定的深度架構(gòu)80
521引言80
522相關(guān)研究81
523模型表示81
524深入觀察：DTAGnet的分層聚類(lèi)84
525實(shí)驗(yàn)結(jié)果85
526結(jié)論92
53參考文獻(xiàn)92
第6章信號(hào)處理95
61深度優(yōu)化的壓縮傳感技術(shù)95
611背景95
612壓縮傳感的端到端優(yōu)化模型96
613DOCS：前饋CS和聯(lián)合優(yōu)化CS97
614實(shí)驗(yàn)99
615結(jié)論102
62用于語(yǔ)音去噪的深度學(xué)習(xí)103
621引言103
622用于光譜去噪的神經(jīng)網(wǎng)絡(luò)103
623實(shí)驗(yàn)結(jié)果106
624結(jié)論和未來(lái)工作110
63參考文獻(xiàn)111
第7章維度約簡(jiǎn)113
71帶有局部限制的邊緣化去噪字典學(xué)習(xí)113
711引言113
712相關(guān)研究114
713帶有局部限制的邊緣化去噪字典學(xué)習(xí)模型116
714實(shí)驗(yàn)124
715結(jié)論131
716未來(lái)工作131
72學(xué)習(xí)用于哈希的深度∞編碼器131
721引言132
722ADMM算法133
723深度∞編碼器134
724用于哈希的深度∞連體網(wǎng)絡(luò)136
725圖像哈希實(shí)驗(yàn)137
726結(jié)論142
73參考文獻(xiàn)142
第8章動(dòng)作識(shí)別145
81跨視角動(dòng)作識(shí)別的深度學(xué)習(xí)的視角不變特征145
811引言145
812相關(guān)工作146
813深度學(xué)習(xí)的視角不變特征147
814實(shí)驗(yàn)152
82基于混合神經(jīng)網(wǎng)絡(luò)的深度攝像機(jī)動(dòng)作識(shí)別157
821引言157
822相關(guān)工作158
823混合卷積遞歸神經(jīng)網(wǎng)絡(luò)159
824實(shí)驗(yàn)163
83結(jié)論166
84參考文獻(xiàn)167
第9章風(fēng)格識(shí)別和親屬關(guān)系理解171
91基于深度學(xué)習(xí)的風(fēng)格分類(lèi)171
911背景171
912棧式自編碼器的預(yù)備知識(shí)174
913風(fēng)格中心化自編碼器174
914共識(shí)風(fēng)格中心化自編碼器177
915實(shí)驗(yàn)181
92可視化親屬關(guān)系理解185
921背景185
922相關(guān)工作186
923家族面部187
924正則化并行自編碼器188
925實(shí)驗(yàn)結(jié)果192
93研究挑戰(zhàn)和未來(lái)工作198
94參考文獻(xiàn)198
第10章圖像除霧：改進(jìn)技術(shù)203
101引言203
102回顧和任務(wù)描述204
1021霧建模和除霧方法204
1022RESIDE數(shù)據(jù)集205
103任務(wù)1:除霧恢復(fù)205
104任務(wù)2:用于檢測(cè)的除霧207
1041解決方案集1：增強(qiáng)級(jí)聯(lián)中的除霧和檢測(cè)模塊207
1042解決方案集2：域自適應(yīng)MaskRCNN208
105結(jié)論210
106參考文獻(xiàn)211
第11章生物醫(yī)學(xué)圖像分析：自動(dòng)肺癌診斷213
111引言213
112相關(guān)研究214
113方法論214
114實(shí)驗(yàn)217
115結(jié)論219
116致謝220
117參考文獻(xiàn)220