我爱电子书-《生成对抗网络入门指南: Generative Adversarial network A Primer》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 计算机基础互联网云计算&大数据人工智能

简介

生成对抗网络入门指南: Generative Adversarial network A Primer 豆 0.0分

资源最后更新于 2020-03-29 03:06:39

作者：史丹青编著

出版社：出版社机械工业出版社

出版日期：2018-10

ISBN：9787111610045

文件格式： pdf

标签：互联网技术网络人工智能机器学习计算机与互联网智能系统与技术丛书

简介· · · · · ·

生成对抗网络（GAN）是当下热门的人工智能技术之一，被美国《麻省理工科技评论》评为2018年“全球十大突破性技术”。本书是一本结合基础理论与工程实践的入门书籍，深入浅出地讲解了GAN的各类模型以及技术发展。全书共10章，前半部分介绍目前已经较为成熟的模型，如DCGAN、WGAN等，以及大量不同结构的GAN变种；后半部分介绍GAN在文本到图像的生成、图像到图像的生成以及其他应用中的研究与发展。本书适合机器学习领域从业人员、高校相关专业学生以及具备一定基础的人工智能爱好者阅读。史丹青编著。

直接下载

简介

生成对抗网络入门指南: Generative Adversarial network A Primer 豆 0.0分

简介· · · · · ·

目录

前言

第1章 人工智能入门

1.1 人工智能的历史与发展

1.1.1 人工智能的诞生

1.1.2 人工智能的两起两落

1.1.3 新时代的人工智能

1.2 机器学习与深度学习

1.2.1 机器学习分类

1.2.2 神经网络与深度学习

1.2.3 深度学习的应用

1.3 了解生成对抗网络

1.3.1 从机器感知到机器创造

1.3.2 什么是生成对抗网络

1.4 本章小结

第2章 预备知识与开发工具

2.1 Python语言与开发框架

2.1.1 Python语言

2.1.2 常用工具简介

2.1.3 第三方框架简介

2.2 TensorFlow基础入门

2.2.1 TensorFlow简介与安装

2.2.2 TensorFlow使用入门

2.2.3 Tensorflow实例：图像分类

2.3 Keras基础入门

2.3.1 Keras简介与安装

2.3.2 Keras使用入门

2.3.3 Keras实例：文本情感分析

2.4 Floyd：使用深度学习云平台运行程序

2.4.1 深度学习云平台简介

2.4.2 Floyd使用入门

2.4.3 Floyd实例：神经网络风格转换

2.5 本章小结

第3章 理解生成对抗网络

3.1 生成模型

3.1.1 生成模型简介

3.1.2 自动编码器

3.1.3 变分自动编码器

3.2 GAN的数学原理

3.2.1 最大似然估计

3.2.2 生成对抗网络的数学推导

3.3 GAN的可视化理解

3.4 GAN的工程实践

3.5 本章小结

第4章 深度卷积生成对抗网络

4.1 DCGAN的框架

4.1.1 DCGAN设计规则

4.1.2 DCGAN框架结构

4.2 DCGAN的工程实践

4.3 DCGAN的实验性应用

4.3.1 生成图像的变换

4.3.2 生成图像的算术运算

4.3.3 残缺图像的补全

4.4 本章小结

第5章 Wasserstein GAN

5.1 GAN的优化问题

5.2 WGAN的理论研究

5.3 WGAN的工程实践

5.4 WGAN的实验效果分析

5.4.1 代价函数与生成质量的相关性

5.4.2 生成网络的稳定性

5.4.3 模式崩溃问题

5.5 WGAN的改进方案：WGAN-GP

5.6 本章小结

第6章 不同结构的GAN

6.1 GAN与监督式学习

6.1.1 条件式生成：cGAN

6.1.2 cGAN在图像上的应用

6.2 GAN与半监督式学习

6.2.1 半监督式生成：SGAN

6.2.2 辅助分类生成：ACGAN

6.3 GAN与无监督式学习

6.3.1 无监督式学习与可解释型特征

6.3.2 理解InfoGAN

6.4 本章小结

第7章 文本到图像的生成

7.1 文本条件式生成对抗网络

第1章　人工智能入门

1.1　人工智能的历史与发展

1.1.1　人工智能的诞生

1.1.2　人工智能的两起两落

1.1.3　新时代的人工智能

1.2　机器学习与深度学习

1.2.1　机器学习分类

1.2.2　神经网络与深度学习

1.2.3　深度学习的应用

1.3　了解生成对抗网络

1.3.1　从机器感知到机器创造

1.3.2　什么是生成对抗网络

1.4　本章小结

第2章　预备知识与开发工具

2.1　Python语言与开发框架

2.1.1　Python语言

2.1.2　常用工具简介

2.1.3　第三方框架简介

2.2　TensorFlow基础入门

2.2.1　TensorFlow简介与安装

2.2.2　TensorFlow使用入门

2.2.3　Tensorflow实例：图像分类

2.3　Keras基础入门

2.3.1　Keras简介与安装

2.3.2　Keras使用入门

2.3.3　Keras实例：文本情感分析

2.4　Floyd：使用深度学习云平台运行程序

2.4.1　深度学习云平台简介

2.4.2　Floyd使用入门

2.4.3　Floyd实例：神经网络风格转换

2.5　本章小结

第3章　理解生成对抗网络

3.1　生成模型

3.1.1　生成模型简介

3.1.2　自动编码器

3.1.3　变分自动编码器

3.2　GAN的数学原理

3.2.1　最大似然估计

3.2.2　生成对抗网络的数学推导

3.3　GAN的可视化理解

3.4　GAN的工程实践

3.5　本章小结

第4章　深度卷积生成对抗网络

4.1　DCGAN的框架

4.1.1　DCGAN设计规则

4.1.2　DCGAN框架结构

4.2　DCGAN的工程实践

4.3　DCGAN的实验性应用

4.3.1　生成图像的变换

4.3.2　生成图像的算术运算

4.3.3　残缺图像的补全

4.4　本章小结

第5章　Wasserstein GAN

5.1　GAN的优化问题

5.2　WGAN的理论研究

5.3　WGAN的工程实践

5.4　WGAN的实验效果分析

5.4.1　代价函数与生成质量的相关性

5.4.2　生成网络的稳定性

5.4.3　模式崩溃问题

5.5　WGAN的改进方案：WGAN-GP

5.6　本章小结

第6章　不同结构的GAN

6.1　GAN与监督式学习

6.1.1　条件式生成：cGAN

6.1.2　cGAN在图像上的应用

6.2　GAN与半监督式学习

6.2.1　半监督式生成：SGAN

6.2.2　辅助分类生成：ACGAN

6.3　GAN与无监督式学习

6.3.1　无监督式学习与可解释型特征

6.3.2　理解InfoGAN

6.4　本章小结

第7章　文本到图像的生成

7.1　文本条件式生成对抗网络

7.2　文本生成图像进阶：GAWWN

7.3　文本到高质量图像的生成

7.3.1　层级式图像生成：StackGAN

7.3.2　层级式图像生成的优化：StackGAN-v2

7.4　本章小结