深度学习·基于稀疏和低秩模型
内容简介
本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成,囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成,从而提高模型的学习能力和可解释性,同时更有效地利用大数据。书中展示了深度学习[1]工具箱与稀疏/低秩模型和算法的紧密联系,并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学[2]图像分析等方面的成功应用。本书适合有一定基础的读者阅读,可扩展关于理论和分析工具的研究思路,并为深度模型的架构和解释提供有益的指导。
作者介绍
---作者简介---
王章阳(ZhangyangWang)得克萨斯农工大学(TAMU)计算机科学与工程系助理教授,致力于利用先进的特征学习和优化技术解决机器学习、计算机视觉和多媒体信号处理问题。他拥有伊利诺伊大学厄巴纳-香槟分校电子与计算机工程博士学位,师从黄煦涛教授。
傅云(YunFu)
美国东北大学工程学院和计算机与信息科学学院的跨学科教师,研究方向为机器学习、计算智能、大数据挖掘、计算机视觉、模式识别和信息物理融合系统。他是IAPR和SPIE会士,曾获得IEEE和IAPR等颁发的多项研究奖励。
黄煦涛(ThomasS.Huang)伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系教授,研究兴趣包括计算机视觉、图像压缩和增强、模式识别和多模态信号处理等。他是美国国家工程院院士、IAPR会士,曾获得包括IEEEJackKilby信号处理奖章、IAPRKing-SunFu奖、国际计算机视觉会议AzrielRosenfeld终身成就奖在内的众多奖项。他于2020年4月去世。
---译者简介---
黄智濒博士,北京邮电大学计算机学院讲师。长期从事智能机器学习、超大规模并行计算、三维计算机视觉和深度学习架构方面的研究。
参考文献
- ↑ AI领域的几个概念:机器学习、深度学习和大模型,搜狐,2023-12-04
- ↑ 生物医学,中国教育在线