机读格式显示(MARC)

• 000 01977nam 2200385 450

• 001 0000336125

• 005 20191203151700.0

• 010 __ |a 978-7-111-61239-1 |d CNY59.00

• 021 __ |a CN |b 01-2018-6729

• 099 __ |a CAL 012019015084

• 100 __ |a 20190130d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 卷积神经网络与视觉计算 |A juan ji shen jing wang luo yu shi jue ji suan |d = Convolutional neural networks in visual computing |f (美) 拉加夫·维凯特森(Ragav Venkatesan), 李宝新(Baoxin Li)著 |g 钱亚冠, 王滨等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019

• 215 __ |a xiii, 168页 |c 图 |d 24cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 306 __ |a 本书原版由Taylor & Francis出版集团旗下CRC出版公司出版, 并经授权翻译出版

• 314 __ |a 拉加夫·维凯特森, 是ASU的视觉表示和处理小组的一名研究助理。李宝新, 目前是亚利桑那州立大学计算机科学与工程专业的教授和主任。钱亚冠, 博士、副教授、硕士生导师、中国计算机学会会员。王滨, 博士/博士后、教授级高工。

• 320 __ |a 有书目

• 330 __ |a 本书从零基础开始, 系统阐述卷积神经网络理论基础及其实践应用, 可以帮助初学者快速学习和构建深度学习系统。第1章简要介绍了图像表示和一些计算机视觉模型; 第2章介绍了回归、机器学习和优化的概念; 第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数, 以及两类和多类问题的单神经元模型等; 第4章介绍了卷积池化层和CNN; 第5章通过介绍CNN的一些当前新颖实用的用法, 进一步拓展和丰富了深度神经网络的结构。

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 510 1_ |a Convolutional neural networks in visual computing |z eng

• 606 0_ |a 计算机视觉 |A ji suan ji shi jue |x 人工神经网络 |x 计算

• 690 __ |a TP302.7 |v 5

• 701 _1 |c (美) |a 维凯特森 |A Weikaitesen |g (Venkatesan, Ragav) |4 著

• 701 _0 |a 李宝新 |A Li Baoxin |4 著

• 702 _0 |a 钱亚冠 |A Qian Yaguan |4 译

• 702 _0 |a 王滨 |A Wang Bin |4 译

• 801 _2 |a CN |b YNUL |c 20190226

• 905 __ |a XATU |d TP302.7/36

• 920 __ |a 261060 |z 1

• 998 __ |a YNUL