Generatywne sieci adwersarzy i uczenie głębokie: Teoria i zastosowania

Oryginalny tytuł:

Generative Adversarial Networks and Deep Learning: Theory and Applications

Zawartość książki:

Ta książka bada, jak używać generatywnych sieci przeciwstawnych w różnych zastosowaniach i podkreśla ich znaczny postęp w stosunku do tradycyjnych modeli generatywnych. Głównym celem tej książki jest skoncentrowanie się na najnowocześniejszych badaniach w dziedzinie głębokiego uczenia się i generatywnych sieci przeciwstawnych, które obejmują tworzenie nowych narzędzi i metod przetwarzania tekstu, obrazów i dźwięku.

Generative Adversarial Network (GAN) to klasa ram uczenia maszynowego i jest kolejną pojawiającą się siecią w aplikacjach głębokiego uczenia się. Generative Adversarial Networks (GAN) mają możliwość budowania ulepszonych modeli, ponieważ mogą generować przykładowe dane zgodnie z wymaganiami aplikacji. Istnieją różne zastosowania GAN w nauce i technologii, w tym w wizji komputerowej, bezpieczeństwie, multimediach i reklamach, generowaniu obrazów, tłumaczeniu obrazów, syntezie tekstu na obrazy, syntezie wideo, generowaniu obrazów o wysokiej rozdzielczości, odkrywaniu leków itp.

Cechy:

⬤ Przedstawia kompleksowy przewodnik na temat korzystania z GAN dla obrazów i filmów.

⬤ Obejmuje studia przypadków podwodnego ulepszania obrazu przy użyciu generatywnej sieci adwersarzy, wykrywania włamań przy użyciu GAN.

⬤ Podkreśla włączenie efektów w grach przy użyciu metod głębokiego uczenia.

⬤ Analizuje znaczące postępy technologiczne w GAN i jej zastosowania w świecie rzeczywistym.

⬤ Omawia wyzwania związane z GAN i optymalne rozwiązania.

Książka porusza aspekty naukowe dla szerszego grona odbiorców, takich jak młodsi i starsi inżynierowie, studenci studiów licencjackich i podyplomowych, naukowcy i wszyscy zainteresowani rozwojem trendów i możliwościami GAN i Deep Learning.

Materiał zawarty w książce może służyć jako odniesienie w bibliotekach, agencjach akredytacyjnych, agencjach rządowych, a zwłaszcza w instytucjach akademickich szkolnictwa wyższego, które zamierzają uruchomić lub zreformować swój program nauczania inżynierii.