购物车中还没有商品,赶紧选购吧!
智能软件开发——基于MindSpore框架 张俊三 刘昕 董玉坤 宫文娟 编著 高等教育出版社
商品价格
定价
手机购买
商品二维码
配送
北京市
数量

推荐商品

  • 商品详情
手机购买
商品二维码
加入购物车
价格:
数量:
库存   个

商品详情

商品名称:智能软件开发——基于MindSpore框架
ISBN:9787040644043
出版社:高等教育出版社
出版年月
作者:张俊三 刘昕 董玉坤 宫文娟 编著
定价:59.00
页码:440
装帧:平装
版次:1
字数:560 千字
开本:16开
套装书:否

本书聚焦基于MindSpore智能计算框架的智能应用软件核心智能算法,按照“理论→案例→实践”的形式来进行组织,简要介绍了机器学习、深度学习相关算法的原理,讲解MindSpore框架的安装、部署、推理等使用流程,重点围绕基于MindSpore框架在图像分类、图像分割、目标检测、文本分类、情感分析、推荐系统等领域的典型应用,对模型原理、实例操作流程进行了详细的阐述。同时,本书案例除了使用通用数据集外,还提供并使用石油生产场景中数字岩心图像分割、储层物性参数分类、油田安全生产目标检测等案例的数据集和实例操作流程。

本书可作为高等学校计算机或人工智能相关课程教材,亦可作为MindSpore全场景AI框架学习者的参考读物。

前辅文
第1章 绪论
  1.1 引言
  1.2 智能软件简介
   1.2.1 智能软件定义
   1.2.2 智能软件与传统软件的区别
   1.2.3 智能软件的类型
   1.2.4 智能软件应用领域
  1.3 MindSpore介绍
   1.3.1 智能软件与深度学习
   1.3.2 MindSpore框架简介
   1.3.3 安装说明
   1.3.4 张量
   1.3.5 数据集
   1.3.6 数据变换
   1.3.7 网络构建
   1.3.8 模型训练
   1.3.9 保存与加载
   1.3.10 操作演示示例
  1.4 数据集简介
   1.4.1 通用数据集
   1.4.2 石油领域数据集
  本章小结
  思考题
第2章 机器学习简介
  2.1 机器学习基础知识
   2.1.1 基本概念
   2.1.2 机器学习的分类
   2.1.3 机器学习模型的评价指标
  2.2 有监督学习
   2.2.1 贝叶斯分类
   2.2.2 决策树与随机森林
   2.2.3 支持向量机
   2.2.4 线性回归
  2.3 无监督学习
   2.3.1 聚类
   2.3.2 主成分分析
  2.4 半监督学习
   2.4.1 生成式方法
   2.4.2 半监督SVM
   2.4.3 图半监督学习
   2.4.4 基于分歧的方法
  2.5 强化学习
  本章小结
  思考题
  参考文献
第3章 深度学习简介
  3.1 人工神经网络
   3.1.1 基础概念
   3.1.2 前馈型神经网络
   3.1.3 反馈型神经网络
  3.2 卷积神经网络
   3.2.1 模型原理
   3.2.2 模型实现
  3.3 循环神经网络
   3.3.1 模型原理
   3.3.2 模型实现
  3.4 图神经网络
   3.4.1 模型原理
   3.4.2 模型实现
  本章小结
  思考题
  参考文献
第4章 图像分类
  4.1 概述
  4.2 图像分类任务的种类
   4.2.1 单标签图像分类
   4.2.2 多标签图像分类
  4.3 图像分类的发展
  4.4 图像分类算法
   4.4.1 基于词袋的图像分类方法
   4.4.2 基于深度学习的图像分类方法
  4.5 应用案例:手写字体识别
   4.5.1 场景描述
   4.5.2 基于LeNet的手写字体识别
  4.6 应用案例:储层物性参数分类
   4.6.1 场景描述
   4.6.2 基于GoogLeNet的储层物性参数分类
   4.6.3 模型搭建
  思考题
第5章 图像分割
  5.1 概述
  5.2 常用图像分割方法
   5.2.1 基于聚类的分割方法
   5.2.2 基于边缘的分割方法
   5.2.3 基于区域的分割方法
   5.2.4 基于图论的分割方法
   5.2.5 基于深度学习的分割方法
  5.3 应用案例:U-Net语义分割
   5.3.1 场景描述
   5.3.2 U-Net语义分割实现
  5.4 应用案例:数字岩心图像分割
   5.4.1 场景描述
   5.4.2 基于RefineNet的数字岩心图像分割
  思考题
第6章 目标检测
  6.1 概述
  6.2 两阶段检测方法
   6.2.1 Region-CNN
   6.2.2 Faster-RCNN
  6.3 单阶段检测方法
   6.3.1 YOLO
   6.3.2 SSD
  6.4 应用案例:行人检测
   6.4.1 场景描述
   6.4.2 基于Faster-RCNN的行人检测
  6.5 应用案例:油田安全生产
   6.5.1 场景描述
   6.5.2 基于YOLOv5的油田安全生产目标检测
  本章小结
  思考题
  参考文献
第7章 文本分类
  7.1 概述
   7.1.1 文本分类技术原理
   7.1.2 自动文本分类方法
   7.1.3 文本分类的应用场景
  7.2 词向量技术
   7.2.1 离散表示
   7.2.2 Word2Vec
   7.2.3 GloVe
  7.3 常用模型
   7.3.1 FastText
   7.3.2 TextCNN
   7.3.3 TextRCNN
  7.4 应用案例:电影观众评论分类
   7.4.1 场景描述
   7.4.2 基于FastText的电影评论分析
   7.4.3 基于TextCNN的电影评论分析
  本章小结
  思考题
  参考文献
第8章 情感分析
  8.1 概述
   8.1.1 情感分析简介
   8.1.2 情感分析方法
   8.1.3 情感分析应用
  8.2 常用模型
   8.2.1 LSTM
   8.2.2 Transformer
  8.3 应用案例:电影观众评论
   8.3.1 场景描述
   8.3.2 基于LSTM的电影评论分析
  8.4 应用案例:用户对话情绪分析
   8.4.1 场景描述
   8.4.2 基于Transformer的用户对话情绪分析
  本章小结
  思考题
  参考文献
第9章 推荐系统
  9.1 概述
   9.1.1 推荐的发展
   9.1.2 推荐的种类
  9.2 常用模型
   9.2.1 DeepFM
   9.2.2 BGCF
   9.2.3 NCF
   9.2.4 Wide&Deep
  9.3 应用案例:点击率预估
   9.3.1 场景描述
   9.3.2 基于DeepFM的点击率预估
  9.4 应用案例:推荐系统
   9.4.1 场景描述
   9.4.2 基于NCF的推荐系统
  本章小结
  思考题
  参考文献

对比栏

1

您还可以继续添加

2

您还可以继续添加

3

您还可以继续添加

4

您还可以继续添加