µn¤J
¡U
µù¥U
¡U
·|û¤¤¤ß
¡U
µ²±b
¡U
°ö°V½Òµ{
Å]ªk§Ì¤l
¡U
¦Û¸ê¥Xª©
¡U
¹q¤l®Ñ
¡U
«ÈªA¤¤¤ß
¡U
´¼¼z«¬¥ßÊ^·|û
®Ñ¦W
¥Xª©ªÀ
§@ªÌ
isbn
½s¸¹
5050Å]ªk²³Äw
|
NG®Ñ«°
|
°ê»Ú¯Å«~µP½Òµ{
|
Àu´f³qª¾
|
ÅRÆE^¶¯µ¼Öºë¿ï
|
·L³B²z¾÷¡þ³æ´¹¤ù²Õ¦X»y¨¥±Ð¾Ç½d¥»(ªþCD)
¦¹§@ªÌµL¬ÛÃö®ÑÄy
¤å¾Ç¤p»¡
¤å¾Ç
¡U
¤p»¡
°ÓºÞ³Ð§ë
°]¸g§ë¸ê
¡U
¦æ¾P¥øºÞ
¤H¤åÃÀ§{
©v±Ð¡Bõ¾Ç
ªÀ·|¡B¤H¤å¡B¥v¦a
ÃÀ³N¡B¬ü¾Ç
¡U
¹q¼vÀ¸¼@
Ày§Ó¾i¥Í
ÂåÀø¡B«O°·
®Æ²z¡B¥Í¬¡¦Ê¬ì
±Ð¨|¡B¤ß²z¡BÀy§Ó
¶i׾Dzß
¹q¸£»Pºô¸ô
¡U
»y¨¥¤u¨ã
Âø»x¡B´Á¥Z
¡U
x¬F¡Bªk«ß
°Ñ¦Ò¡B¦Ò¸Õ¡B±Ð¬ì¥Î®Ñ
¬ì¾Ç¤uµ{
¬ì¾Ç¡B¦ÛµM
¡U
¤u·~¡B¤uµ{
®a®x¿Ë¤l
®a®x¡B¿Ë¤l¡B¤H»Ú
«C¤Ö¦~¡Bµ£®Ñ
ª±¼Ö¤Ñ¦a
®È¹C¡B¦a¹Ï
¡U
¥ð¶¢®T¼Ö
º©µe¡B´¡¹Ï
¡U
¨î¯Å
²`«×¾Ç²ß¡G±q¤Jªù¨ì¹ê¾Ô(¨Ï¥ÎMATLAB)(ªþ½d¨Ò¥úºÐ)
§@ªÌ¡G
³¢¦Ü恩
¤ÀÃþ¡G
°Ñ¦Ò¡E¦Ò¸Õ¡E±Ð¬ì®Ñ
¡þ
¤j±M¾Ç°|±Ð¬ì®Ñ
¥Xª©ªÀ¡G
¥þµØ¹Ï®Ñ
¥Xª©¤é´Á¡G2020/7/2
ISBN¡G9789865034313
®ÑÄy½s¸¹¡Gkk0516195
¶¼Æ¡G400
©w»ù¡G
460
¤¸
Àu´f»ù¡G
88
§é
405
¤¸
®Ñ»ùY¦³²§°Ê¡A¥H¥Xª©ªÀ¹ê»Ú©w»ù¬°·Ç
qÁÊ«á¥ß§Y¬°±z¶i³f
qÁÊ«á¥ß§Y¬°±z¶i³f¡G¥Ø«eµL®w¦s¶q,ŪªÌ¤Uq«á,¶}©l¶i¤J½Õ®Ñµ{§Ç,¤@¯ë¤Ñ¼Æ¬ù¬°2-10¤u§@¤é(¤£§t¨Ò°²¤é)¡C
¹ÎÁʼƳ̧C¬° 20 ¥»¥H¤W
µû»ù¼Æ¡G
(½Ð±N·Æ¹«²¾¦Ü¬P¬P³B¶i¦æµû»ù)
¥Ø«e¥§¡µû»ù¡G
¤å¦r³sµ²
½Æ»s»yªk
²`«×¾Ç²ß¡G±q¤Jªù¨ì¹ê¾Ô(¨Ï¥ÎMATLAB)(ªþ½d¨Ò¥úºÐ)
¹Ï¤ù³sµ²
½Æ»s»yªk
¤À
¨É
¤º®e²¤¶
®ÑÄy¥Ø¿ý
¦PÃþ±ÀÂË
深度學習¡G從入ªù到實戰(使用MATLAB)(ªþ範例光碟) 內容簡介 深度學習是目前人工智慧¸Ì最熱ªù的»â域之一¡A³\多生活上的應用¡A如»y¨¥翻Ķ¡B»yµÃÑ別¡B圖形ÃÑ別¡B物件偵測¡B圖像生成等¡A皆¹B用了深度學習的技³N¡A¦Ó取得«大的突破¡C 在學習¶}發深度學習演算法時¡Aº先n¿ï擇¶}發工具»P環境¡C市±上有³\多¶}發深度學習技³N的套件¡A如Tensorflow¡BKeras¡BPyTorch¡BMXNet等¡A³o些工具Áö然大幅°低¶i入深度學習技³N的ªù檻¡A但仍有環境³]置困Ãø¡B套件版本不一等缺ÂI¡C¦ÓMatlab具有便利簡單的»y¨¥»P環境¡A為了ÅýŪªÌ¯à»´ÃP¶i入深度學習»â域¡A本書使用Matlab程式»y¨¥來¶i¦æ深度學習的¶}發»P應用¡A並以初學ªÌ的¨¤度Á¿¸Ñ¡AÅýŪªÌ可以»´ÃP建構深度學習的概念¡C此外¡A本書介紹³\多Matlab應用於深度學習的相Ãö範例¡A使ŪªÌ累積應用的¯à力¡C
¥Ø¿ý ²Ä¤@³¹¡@Àô¹Ò«Ø¸m 1-1 MATLAB ¤¶²Ð 1-2 MATLAB »P¬ÛÃö¤u¨ã½c¦w¸Ë 1-3 ²`«×¾Ç²ß¬ÛÃö®M¥ó¦w¸Ë 1-4 GPU ¥[³t¹Bºâ¤¶²Ð ²Ä¤G³¹¡@¼Æ¾Ú¼Ð°O»P±`¨£¤u¨ã¤¶²Ð 2-1 °ò¥»¸ê®Æ¼Ð°O(How to label image data into MATLAB) 2-2 ¼v¹³·P¿³½ì°Ï°ì¼Ð°O 2-3 ¹Ï¹³¹w³B²z 2-4 ¸ê®ÆÂX¼W(Data Augmentation) ²Ä¤T³¹¡@²`«×¾Ç²ß±`¨£¼Ò«¬»P¨ç¦¡»yªk¤¶²Ð 3-1 ¨÷¿n¯«¸gºô¸ô(convolution neural network, CNN) 3-2 ¨÷¿n¯«¸gºô¸ôºô¸ô¼Ò«¬¬ÛÃö¨ç¦¡»yªk¤¶²Ð 3-3 »¼Âk¯«¸gºô¸ô(recurrent neural network, RNN) 3-4 »¼Âk¯«¸gºô¸ô¼Ò«¬¬ÛÃö¨ç¦¡»yªk¤¶²Ð 3-5 ¦Û°Ê½s½X¾¹¤¶²Ð(auto encoder) 3-6 ¦Û°Ê½s½X¾¹¬ÛÃö¨ç¦¡»yªk»P½d¨Ò¤¶²Ð ²Ä¥|³¹¡@ºô¸ô°V½m°Ñ¼Æ»P¸ê®ÆÂX¼W¤§¬ÛÃö¨ç¦¡»yªk¤¶²Ð 4-1 °V½mºô¸ôªº¬ÛÃö°Ñ¼Æ³]¸m 4-2 ¼Ò«¬¹w´ú»P®Ä¯àµû¦ô 4-3 ¹Ï¹³¸ê®ÆÂX¼W ²Ä¤³¹¡@¹w°V½m¼Ò«¬»P¾E²¾¦¡ ¾Ç²ß 5-1 ¹w°V½m¼Ò«¬ 5-2 ¾E²¾¦¡¾Ç²ß(transfer learning) ²Ä¤»³¹¡@Deep Network Designer 6-1 «Ø¥ßºô¸ô¼Ò«¬ 6-2 ×¥¿¼Ò«¬ 6-3 ¨Ï¥ÎDeep Network Designer ¶i¦æ¾E²¾¾Ç²ß ²Ä¤C³¹¡@Experiment Manager 7-1 Experiment Manager ¤¶± 7-2 ¨Ï¥ÎExperiment Manager °V½m²`«×¾Ç²ßºô¸ô¥Î©ó¤ÀÃþ°ÝÃD 7-3 ¨Ï¥ÎExperiment Manager °V½m²`«×¾Ç²ßºô¸ô¥Î©ó°jÂk°ÝÃD 7-4 ¨Ï¥Î¦hÓ¹w°V½m¼Ò«¬¶i¦æ¾E²¾¾Ç²ß ²Ä¤K³¹¡@CNN ¹ê¾Ô½d¨Ò 8-1 CIFAR-10 ¹Ï¹³¤ÀÃþ 8-2 ÀˬdÂI(Checkpoint)³]¸m 8-3 ²`«×¾Ç²ßÀ³¥Î©óºô¸ôÄá¼v¾÷¼v¹³¤ÀÃþ 8-4 ¨÷¿n¸g¯«¸gºô¸ôªº¾Ç²ß¤º®e¥iµø¤Æ 8-5 ²`«×¾Ç²ßÀ³¥Î©óª«¥ó°»´ú 8-6 ²`«×¾Ç²ßÀ³¥Î©ó»y¸q¤À³Î ²Ä¤E³¹¡@LSTM ¹ê¾Ô½d¨Ò 9-1 ²`«×¾Ç²ßÀ³¥Î©ó®É¶¡§Ç¦C 9-2 §Ç¦Cªº¤ÀÃþ½d¨Ò 9-3 §Ç¦C¨ì§Ç¦C¨Ï¥ÎLSTM ªº¤HÃþ°Ê§@¤ÀÃþ(human activity) 9-4 §Ç¦C¨ì§Ç¦Cªº°jÂk½d¨Ò ²Ä¤Q³¹¡@¶i¶¥½d¨Ò-¥Í¦¨¦¡ºô¸ô 10-1 ¦Û©w¸qªººô¸ô°V½m°j°é 10-2 ¥Í¦¨¹ï§Üºô¸ô 10-3 ±`¨£ªºGAN °V½m¥¢±Ñ¼Ò¦¡ 10-4 ±ø¥ó¦¡¥Í¦¨¹ï§Üºô¸ô 10-5 ¯«¸g·®æÂà´« 10-6 «á»y
·s½sÀô¹Ò¬rª«¾Ç(²Ä¤G
¥Í¬¡¬ì§Þ(²Ä¤»ª©)
¤º¥~¬ìÅ@²z§Þ³N(²Ä¤Q
Javaµ{¦¡³]p¤Jªù
²{¥N°Ó¥Î^¤å¢w¢w®Ñ«H
ÂåÀø«æ±Ï(²Ä¤Gª©)
ªÅ®ð¦¾¬V¨¾¨î¡G²z½×¤Î
ºñ¦â¯à·½¬ì§Þ(²Ä¤»ª©
·s½s¤ò¸ÖÃýŪ(²Ä¥|ª©
°ò¥»Å@²z¾ÇÁ`½Æ²ß¢w¤ß
¬°¤F«O»Ù±zªºÅv¯q¡A·sµ·¸ôºô¸ô®Ñ©±©ÒÁʶRªº°Ó«~§¡¨É¦³¨ì³f¤C¤ÑªºÅ²½à´Á¡]§t¨Ò°²¤é¡^¡C°h¦^¤§°Ó«~¥²¶·©óŲ½à´Á¤º±H¦^¡]¥H¶lÂW©Î¦¬°õÁp¬°¾Ì¡^¡A¥B°Ó«~¥²¶·¬O¥þ·sª¬ºA»P§¹¾ã¥]¸Ë(°Ó«~¡Bªþ¥ó¡B¤º¥~¥]¸Ë¡BÀH³f¤å¥ó¡BÃØ«~µ¥)¡A§_«h®¤¤£±µ¨ü°h³f¡C