扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用 版权信息
- ISBN：9787564393892
- 条形码：9787564393892 ; 978-7-5643-9389-2
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用 内容简介
国家重大工程、被誉为“中国天眼”的500m口径球面射电望远镜（FAST）的主要科学目标之一是寻找脉冲星。然而如何从海量脉冲星候选体中可靠、智能、高效地筛选出优质脉冲信号是亟待解决的问题。本书为学术著作，以FAST脉冲星候选体识别为应用背景，探索了不平衡数据的分类、生成以及半监督学习等问题。本书共6章，主要内容包括绪论、生成对抗网络、基于辅助分类器生成对抗网络的图像识别、基于生成对抗网络的半监督学习、脉冲星候选体识别、总结与展望等。本书通过改进网络结构、重构损失函数提出了一种新的图像识别模型CP-ACGAN，同时基于生成对抗网络（GANs）提出一种新的图像识别模型ICAT，将其应用到脉冲星候选体数据集FAST和HTRU上，改善了传统基于深度学习的识别方法面临的模型偏移和效果不佳等问题。该模型只需要对少量样本进行标记，便可达到与全监督CNN模型相同的识别效果，不仅降低了因样本标记带来的人力、物力等成本，而且对标签样本稀缺的数据集也有显著作用。
基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用 目录
第1章绪论
1.1国内外相关研究现状
1.2本书研究内容及架构
1.2.1研究内容
1.2.2本书结构
第2章神经网络与生成式对抗网络
2.1神经网络
2.1.1人工神经网络
2.1.2卷积神经网络
2.1.3神经网络在不平衡数据上的性能分析
2.2混合概率随机池化方法
2.2.1方法原理
2.2.2方法提出
2.2.3方法可行性分析
2.2.4实验结果与分析
2.2.5超参数的选择
2.3生成对抗网络及其改进模型
……
展开全部
基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用 作者简介
周林勇，贵州财经大学讲师；主要研究方向为机器学习、深度学习、图像处理等；近年来，参与国家自然科学基金项目1项，主持完成或在研厅级项目2项、校级项目3项；发表相关学术论文6篇，其中SCI论文2篇。
书友推荐
本类畅销
-
黑科技驱动世界的100项技术
¥21.9¥69.8 -
黑科技:驱动世界的100项技术(八品)
¥21.9¥69.8 -
指火控弹道与射击诸元理论
¥38.7¥49 -
智能照明工程手册
¥29.9¥49.8 -
光电直读光谱分析技术与应用
¥38.7¥49 -
服务型制造
¥76.3¥109
