人工智能网络教程(简述智能网络技术)

人工智能网络教程(简述智能网络技术)

内容简介

本书涵盖深度神经网络理论教学的基本内容,实验内容能够加深理解和巩固基本概念与理论,进一步熟悉和掌握深度网络的经典结构、训练方法、优化方法等,为进一步学习和研究人工智能理论打下坚实基础。本书实验体系完备,对每个实验均从原理、实际操作到所应用平台环境进行详实介绍,符合人工智能发展的特质与人才培养的需求,读者可通过本书的指导,对实验进行整体了解并独立完成实验,提高自身实验创新能力。

本书可作为高等院校人工智能、智能科学与技术、大数据技术、智能机器人、网络工程、物联网技术、控制科学与工程、信息与通信工程等专业的本科生及研究生的选用教材与实验参考书。同时也可以供有一定专业知识储备的科研人员、从业者、人工智能感兴趣爱好者参考。

焦李成 俄罗斯自然科学院外籍院士,西安电子科技大学计算机科学与技术学部主任、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地(“111计划”)主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、中国人工智能学会副理事长、全国高校人工智能与大数据创新联盟副理事长、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEE GRSS西安分会主席,IEEE TGRS副主编、教育部创新团队首席专家,IEEE Fellow、IET Fellow、首批中国人工智能学会会士、CCF杰出会员,连续入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员,人社部博士后管委会评议组专家,曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家,1996年首批入选国家“百千万”人才工程(第一、二层次),陕西省首批“三五人才”第一层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。

本书实验体系完备,对每个实验均从原理、实际操作到所应用平台环境进行详实介绍,符合人工智能发展的特质与人才培养的需求,读者可通过本书的指导,对实验进行整体了解并独立完成实验,提高自身实验创新能力。

理论性、实践性与创新性相结合。实验涵盖理论思想、实践应用以及方向展望,既能帮助读者夯实基础理论,又能锻炼基本算法实现技能,培养人工智能技术创新意识、创新能力和创新精神。先进性与新颖性并举。所有实验既是人工智能技术发展中前沿、新颖的应用,也与大众日常生活密切相关。实验内容与理论教学相呼应。实验涵盖深度神经网络理论教学的基本内容,帮助读者加深理解以及巩固基本概念和理论,为进一步学习人工智能理论课程打下坚实基础。注重趣味性,极具实操性。特别注重实验过程的完整描述,读者可以使用本书自行完成相关实验,在此过程中提升人工智能实验的能力。具有开拓性、首创性。本书是对人工智能实验课程教材建设及体系建设的一次开拓和探索。符合人工智能发展的特质与人才培养的需求。着眼于产学研相结合,将教学科研成果转化为实验内容,将实验模型原理、实际操作过程以及实际应用成果深度结合,旨在培养创新能力与应用技能协调统一的人才。

图书目录

第1章聊天机器人

1.1背景介绍

1.2算法原理

1.2.1数据预处理

1.2.2seq2seq模型原理

1.2.3网络结构介绍

1.3实验操作

1.3.1代码介绍

1.3.2数据集介绍

1.3.3实验操作及结果

1.4总结与展望

1.5参考文献

第2章老照片上色

2.1背景介绍

2.2算法原理

2.2.1实验训练部分

2.2.2实验测试部分

2.2.3网络结构介绍

2.3实验操作

2.3.1代码介绍

2.3.2数据集介绍

2.3.3实验操作及结果

2.4总结与展望

2.5参考文献

第3章图像修复

3.1背景介绍

3.2算法原理

3.2.1基础知识介绍

3.2.2边缘生成网络

3.2.3图像补全网络

3.2.4网络结构介绍

3.3实验操作

3.3.1代码介绍

3.3.2数据集介绍

3.3.3实验操作及结果

3.4总结与展望

3.5参考文献

第4章语义图生成风景图

4.1背景介绍

4.2算法原理

4.2.1GAN模型原理

4.2.2pix2pix网络模型原理

4.2.3网络结构介绍

4.3实验操作

4.3.1代码介绍

4.3.2数据集介绍

4.3.3实验操作及结果

4.4总结与展望

4.5参考文献

第5章文本转图像实验

5.1背景介绍

5.2算法原理

5.2.1词向量

5.2.2双向长短时记忆网络

5.2.3注意力机制

5.2.4网络结构介绍

5.3实验操作

5.3.1代码介绍

5.3.2数据集介绍

5.3.3实验操作及结果

5.4总结与展望

5.5参考文献

第6章2D实时多人姿态估计

6.1背景介绍

6.2算法原理

6.2.1同时检测和关联网络

6.2.2关节检测的置信图算法

6.2.3关节关联的部分亲和力字段算法

6.2.4使用PAFs的多人解析算法

6.2.5网络结构介绍

6.3实验操作

6.3.1代码介绍

6.3.2数据集介绍

6.3.3实验操作及结果

6.4总结与展望

6.5参考文献

第7章图像分割

7.1背景介绍

7.2算法原理

7.2.1残差网络

7.2.2区域候选网络

7.2.3感兴趣区域校准

7.2.4分类、回归与分割

7.2.5网络结构介绍

7.3实验操作

7.3.1代码介绍

7.3.2数据集介绍

7.3.3实验操作及结果

7.4总结与展望

7.5参考文献

第8章图像超分辨率

8.1背景介绍

8.2算法原理

8.2.1预处理

8.2.2特征提取

8.2.3非线性映射

8.2.4图像重建

8.2.5网络结构介绍

8.3实验操作

8.3.1代码介绍

8.3.2数据集介绍

8.3.3实验操作及结果

8.4总结与展望

8.5参考文献

第9章视频目标跟踪

9.1背景介绍

9.2算法原理

9.2.1基础知识

9.2.2SiamRPN模型介绍

9.2.3SiamRPN 网络结构

9.3实验操作

9.3.1代码介绍

9.3.2数据集介绍

9.3.3实验操作及结果

9.4总结与展望

9.5参考文献

第10章人物年龄性别及情绪预测

10.1背景介绍

10.2算法原理

10.2.1Xception模型介绍

10.2.2Softmax分类器

10.2.3网络结构介绍

10.3实验操作

10.3.1代码介绍

10.3.2数据集介绍

10.3.3实验操作及结果

10.4总结与展望

10.5参考文献

第11章人脸老化与退龄预测

11.1背景介绍

11.2算法原理

11.2.1相关概念介绍

11.2.2算法流程简介

11.2.3网络结构介绍

11.3实验操作

11.3.1代码介绍

11.3.2数据集介绍

11.3.3实验操作及结果

11.4总结与展望

11.5参考文献

第12章目标检测

12.1背景介绍

12.2算法原理

12.2.1提取区域建议

12.2.2RoI池化层

12.2.3网络结构介绍

12.3实验操作

12.3.1代码介绍

12.3.2数据集介绍

12.3.3实验操作及结果

12.4总结与展望

12.5参考文献

第13章眼部图像语义分割

13.1背景介绍

13.2算法原理

13.2.1数据预处理

13.2.2下采样模块

13.2.3上采样模块

13.2.4损失函数

13.2.5网络结构介绍

13.3实验操作

13.3.1代码介绍

13.3.2数据集介绍

13.3.3实验操作及结果

13.4总结与展望

13.5参考文献

第14章语音识别

14.1背景介绍

14.2算法原理

14.2.1语音信号预处理

14.2.2语音信号特征提取

14.2.3语音文本输出

14.2.4双向循环神经网络

14.2.5Softmax分类器

14.2.6网络结构介绍

14.3实验操作

14.3.1代码介绍

14.3.2数据集介绍

14.3.3实验操作及结果

14.4总结与展望

14.5参考文献

第15章AI对对联

15.1背景介绍

15.2算法原理

15.2.1自然语言处理概述

15.2.2递归神经网络

15.2.3网络结构介绍

15.3实验操作

15.3.1代码介绍

15.3.2数据集介绍

15.3.3实验操作及结果

15.4总结与展望

15.5参考文献

第16章手写体风格转化

16.1背景介绍

16.2算法原理

16.2.1RNN预测网络

16.2.2网络结构介绍

16.3实验操作

16.3.1代码介绍

16.3.2数据集介绍

16.3.3实验操作及结果

16.4总结与展望

16.5参考文献

第17章图像风格化

17.1背景介绍

17.2算法原理

17.2.1损失函数的定义

17.2.2风格迁移网络

17.2.3风格预测网络

17.2.4网络结构介绍

17.3实验操作

17.3.1代码介绍

17.3.2数据集介绍

17.3.3实验操作及结果

17.4总结与展望

17.5参考文献

第18章三维人脸重建

18.1背景介绍

18.2算法原理

18.2.1人脸检测及数据预处理

18.2.2人脸姿态、形状、表情网络

18.2.3数据后处理

18.2.4网络结构介绍

18.3实验操作

18.3.1代码介绍

18.3.2数据集介绍

18.3.3实验操作及结果

18.4总结与展望

18.5参考文献

赠书活动

《人工智能实验简明教程》

发表评论

登录后才能评论