Metody i techniki głębokiego uczenia się: Postępy w rozwiązaniach radarowych dla fal morskich

Oryginalny tytuł:

Methods and Techniques in Deep Learning: Advancements in Mmwave Radar Solutions

Zawartość książki:

Metody i techniki głębokiego uczenia

Przedstawia wiele najnowocześniejszych architektur głębokiego uczenia dla radarów mmWave w różnych zaawansowanych zastosowaniach.

Methods and Techniques in Deep Learning: Advancements in mmWave Radar Solutions zapewniają aktualny i autorytatywny przegląd wykorzystania przetwarzania opartego na sztucznej inteligencji (AI) w różnych zastosowaniach radarowych mmWave. Koncentrując się na praktycznych technikach głębokiego uczenia, ten kompleksowy tom wyjaśnia podstawy głębokiego uczenia, dokonuje przeglądu najnowocześniejszych technik głębokiego uczenia metrycznego, opisuje różne typologie algorytmów uczenia ze wzmocnieniem (RL), podkreśla, w jaki sposób adaptacja domeny (DA) może być wykorzystywana do poprawy wydajności algorytmów uczenia maszynowego (ML) i nie tylko. W całej książce czytelnicy zapoznają się z gotowymi rozwiązaniami głębokiego uczenia się, jednocześnie ucząc się umiejętności, które są istotne przy tworzeniu dowolnego przemysłowego rozwiązania głębokiego uczenia się opartego na czujnikach.

Zespół autorów z ponad 70 zgłoszonymi patentami i 100 opublikowanymi artykułami na temat sztucznej inteligencji i przetwarzania czujników ilustruje, w jaki sposób głębokie uczenie się umożliwia szereg zaawansowanych zastosowań przemysłowych, konsumenckich i motoryzacyjnych radarów mmWave. Szczegółowe rozdziały obejmują tematy, w tym multimodalne podejścia do głębokiego uczenia, podstawowe bloki wymagane do sformułowania głębokiego uczenia bayesowskiego, w jaki sposób adaptacja domeny (DA) może być wykorzystana do poprawy wydajności algorytmów uczenia maszynowego, a geometryczne głębokie uczenie jest wykorzystywane do przetwarzania chmur punktów. Ponadto książka:

⬤  Omawia różne zaawansowane aplikacje i sposób, w jaki ich wyzwania zostały rozwiązane przy użyciu różnych architektur i algorytmów głębokiego uczenia.

⬤  Opisuje głębokie uczenie w kontekście wizji komputerowej, przetwarzania języka naturalnego, przetwarzania czujników i czujników radarowych mmWave.

⬤  Demonstruje, w jaki sposób głębokie uczenie parametryczne zmniejsza liczbę możliwych do wytrenowania parametrów i poprawia przepływ danych.

⬤  Przedstawia kilka zastosowań interfejsu człowiek-maszyna (HMI), takich jak rozpoznawanie gestów, klasyfikacja aktywności człowieka, lokalizacja i śledzenie ludzi, wykrywanie obecności w kabinie samochodu.

Methods and Techniques in Deep Learning: Advancements in mmWave Radar Solutions to nieocenione źródło informacji dla specjalistów z branży, naukowców i studentów studiów podyplomowych zajmujących się inżynierią systemów, przetwarzaniem sygnałów, czujnikami, nauką o danych i sztuczną inteligencją.