填写邮箱后继续，文件将发送至该邮箱。
| 书名： | 深度学习：基于稀疏和低秩模型|8083854 |
| 图书定价： | 89元 |
| 图书作者： | 王章阳（Zhangyang Wang） [美]傅云（Yun Fu） [美]黄煦涛（Thomas S. Huang） |
| 出版社： | 机械工业出版社 |
| 出版日期： | 2021/8/27 0:00:00 |
| ISBN号： | 9787111689348 |
| 开本： | 16开 |
| 页数： | 231 |
| 版次： | 1-1 |
| 作者简介 |
| 王章阳（Zhangyang Wang） [美]傅云（Yun Fu） [美]黄煦涛（Thomas S. Huang） 编著：---作者简介--- 王章阳（Zhangyang Wang） 得克萨斯农工大学（TAMU）计算机科学与工程系助理教授，致力于利用先进的特征学习和优化技术解决机器学习、计算机视觉和多媒体信号处理问题。他拥有伊利诺伊大学厄巴纳-香槟分校电子与计算机工程博士学位，师从黄煦涛教授。 傅云（Yun Fu） 美国东北大学工程学院和计算机与信息科学学院的跨学科教师，研究方向为机器学习、计算智能、大数据挖掘、计算机视觉、模式识别和信息物理融合系统。他是IAPR和SPIE会士，曾获得IEEE和IAPR等颁发的多项研究奖励。 黄煦涛（Thomas S. Huang） 伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系教授，研究兴趣包括计算机视觉、图像压缩和增强、模式识别和多模态信号处理等。他是美国国家工程院院士、IAPR会士，曾获得包括IEEE Jack Kilby信号处理奖章、IAPR King-Sun Fu奖、国际计算机视觉会议Azriel Rosenfeld终身成就奖在内的众多奖项。他于2020年4月去世。 ---译者简介--- 黄智濒 博士，北京邮电大学计算机学院讲师。长期从事智能机器学习、超大规模并行计算、三维计算机视觉和深度学习架构方面的研究。 |
| 内容简介 |
| 本书由近几年发表在各类期刊和国际会议/研讨会上的论文集结而成，囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成，从而提高模型的学习能力和可解释性，同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系，并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读，可扩展关于理论和分析工具的研究思路，并为深度模型的架构和解释提供有益的指导。 |
| 目录 |
译者序 前言 主要作者简介 所有作者列表 第1章引言1 11深度学习基础1 12稀疏与低秩模型基础2 13连接深度学习与稀疏和低秩模型2 14本书章节结构3 15参考文献4 第2章双层稀疏编码：高光谱图像分类示例7 21引言7 22公式和算法9 221符号表示9 222联合特征的提取和分类9 223双层优化公式11 224算法12 23实验13 231对AVIRIS印第安纳松树数据的分类性能16 232对AVIRIS萨利纳斯数据的分类性能17 233对帕维亚大学数据的分类性能18 24结论19 25附录20 26参考文献21 第3章深度0编码器:模型展开示例23 31引言23 32相关工作24 321基于0和1的稀疏近似24 3221近似的网络实现24 33深度0编码器25 331深度0正则化编码器25 332深度M稀疏0编码器27 333理论属性28 34任务驱动的优化28 35实验28 351实现28 3520稀疏近似的仿真29 353在分类上的应用30 354在聚类上的应用31 36结论和关于理论属性的讨论33 37参考文献33 第4章单幅图像超分辨率：从稀疏编码到深度学习37 41通过具有稀疏先验的深度网络实现可靠的单幅图像超分辨率37 411引言37 412相关研究38 413基于稀疏编码网络的图像SR39 414用于可扩展SR的网络级联43 415真实场景下的鲁棒SR45 416实现细节47 417实验48 418主观评价55 419结论和未来工作57 42学习单幅图像超分辨率的混合深度网络58 421引言58 422所提出的方法59 423实现细节61 424实验结果61 425结论和未来工作65 43参考文献66 第5章从双层稀疏聚类到深度聚类69 51稀疏编码和可判别聚类的联合优化框架69 511引言69 512模型表示70 513面向聚类的成本函数71 514实验74 515结论79 516附录79 52学习用于聚类的任务特定的深度架构80 521引言80 522相关研究81 523模型表示81 524深入观察：DTAGnet的分层聚类84 525实验结果85 526结论92 53参考文献92 第6章信号处理95 61深度优化的压缩传感技术95 611背景95 612压缩传感的端到端优化模型96 613DOCS：前馈CS和联合优化CS97 614实验99 615结论102 62用于语音去噪的深度学习103 621引言103 622用于光谱去噪的神经网络103 623实验结果106 624结论和未来工作110 63参考文献111 第7章维度约简113 71带有局部限制的边缘化去噪字典学习113 711引言113 712相关研究114 713带有局部限制的边缘化去噪字典学习模型116 714实验124 715结论131 716未来工作131 72学习用于哈希的深度∞编码器131 721引言132 722ADMM算法133 723深度∞编码器134 724用于哈希的深度∞连体网络136 725图像哈希实验137 726结论142 73参考文献142 第8章动作识别145 81跨视角动作识别的深度学习的视角不变特征145 811引言145 812相关工作146 813深度学习的视角不变特征147 814实验152 82基于混合神经网络的深度摄像机动作识别157 821引言157 822相关工作158 823混合卷积递归神经网络159 824实验163 83结论166 84参考文献167 第9章风格识别和亲属关系理解171 91基于深度学习的风格分类171 911背景171 912栈式自编码器的预备知识174 913风格中心化自编码器174 914共识风格中心化自编码器177 915实验181 92可视化亲属关系理解185 921背景185 922相关工作186 923家族面部187 924正则化并行自编码器188 925实验结果192 93研究挑战和未来工作198 94参考文献198 第10章图像除雾：改进技术203 101引言203 102回顾和任务描述204 1021雾建模和除雾方法204 1022RESIDE数据集205 103任务1:除雾恢复205 104任务2:用于检测的除雾207 1041解决方案集1：增强级联中的除雾和检测模块207 1042解决方案集2：域自适应MaskRCNN208 105结论210 106参考文献211 第11章生物医学图像分析：自动肺癌诊断213 111引言213 112相关研究214 113方法论214 114实验217 115结论219 116致谢220 117参考文献220 |
