生成对抗网络入门指南 - (EPUB全文下载)

文件大小：0.36 mb。
文件格式：epub 格式。
书籍内容：

生成对抗网络入门指南
第1章 人工智能入门
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
1.3.2 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
2.1.2 常用工具简介
2.1.3 第三方框架简介
2.2 TensorFlow基础入门
2.2.2 TensorFlow使用入门
2.2.3 Tensorflow实例：图像分类
2.3 Keras基础入门
2.3.2 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
2.4.2 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
3.1.2 自动编码器
3.1.3 变分自动编码器
3.2 GAN的数学原理
3.2.2 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
4.1.2 DCGAN框架结构
4.2 DCGAN的工程实践
4.3 DCGAN的实验性应用
4.3.2 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
5.2 WGAN的理论研究
5.3 WGAN的工程实践
5.4 WGAN的实验效果分析
5.4.2 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
6.1.2 cGAN在图像上的应用
6.2 GAN与半监督式学习
6.2.2 辅助分类生成：ACGAN
6.3 GAN与无监督式学习
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
第8章 图像到图像的生成
8.1 可交互图像转换：iGAN
8.1.2 iGAN的实现方法
8.1.3 iGAN软件简介与使用方法
8.2 匹配数据图像转换：Pix2Pix
8.2.2 Pix2Pix的理论基础
8.2.3 Pix2Pix的应用实践
8.3 非匹配数据图像转换：CycleGAN
8.3.2 CycleGAN的理论基础
8.3.3 CycleGAN的应用实践
8.4 多领域图像转换：StarGAN
8.4.2 StarGAN的理论基础
8.4.3 StarGAN的应用实践
8.5 本章小结
第9章 GAN的应用：从多媒体到艺术设计
9.1.1 图像去模糊
9.1.2 人脸生成
9.1.3 音频合成
9.2 GAN与AI艺术
9.2.1 AI能否创造艺术
9.2.2 AI与计算机艺术的发展
9.2.3 艺术生成网络：从艺术模仿到创意生成
9.3 GAN与AI设计
9.3.2 AI辅助式设计的研究
9.4 本章小结
第10章 GAN研究热点
10.2 对抗攻击
10.3 发展中的GAN
参考文献
第1章　人工智能入门
1.1　人工智能的历史与发展
2017年被称为“人工智能元年”，这一年，被称为“人类最后的希望”的围棋天才柯洁与AlphaGo的进阶版Master鏖战三轮，最终以总比分0∶3败于AlphaGo（见图1-1）。这是谷歌DeepMind团队的AlphaGo深度学习的第二次亮相。也是这一年，据PitchBook统计，全球人工智能和机器学习领域共获得风险投资超过108亿美元，而2010年才不足5亿美元。也是这一年，“得AI人才者得天下”，在美国，深度学习领域的人工智能博士生都已被Google、Facebook、亚马逊、微软、英特尔席卷一空，AI人才的起步年薪达到百万。一时间，仿佛身边的人都开始习惯性地讨论几句“人和机器谁更厉害”的话题。
图1-1　柯洁惜败Master，泪洒现场
人工智能的热浪乘风而上，技术圈和投资界欢欣鼓舞，似乎一个可以媲美100年前的电力、20年前的互联网的机会正在到来（见图1-2）。但真正了解这个领域的学术圈却保持镇定，因为这个蛰伏了大半个世纪的复杂学科，早已经历了一次又一次的繁荣与低谷，2017年也许是新一轮的波峰。
图1-2　2017年美国人工智能投资爆发
古希腊诗人荷马在公元前8世纪曾描述过“锻造之神”赫菲斯托斯[1]，《伊利亚特》史诗中写到他曾经设计并制作了一组金制的女机器人，这些机器人可以帮助他在铁匠铺做事，甚至能开口说话，并完成很多高难度工作。这可能是能够追溯到的最早的人工智能诞生的传说，人们开始想着不再仅仅把创造力放在静物上，而是有自我意识的个体，这是思维的突破，是最本质的变化。
稍微对人工智能有所了解的人都知道图灵（见图1-3）。艾伦·麦席森·图灵（Alan Mathison Turing），距离我们大半个世纪前的英国数学家，被称为“计算机科学之父”，又被称为“人工智能之父”。至今，图灵奖（A.M.Turing award）作为“计算机界的诺贝尔奖”，依旧是最负盛名、最崇高的奖项。“如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。”这就是里程碑式的人工智能图灵测试。
图1-3　图灵
其实在图灵测试提出前，其他学科上伟大的突围同样为人工智能学科的建立奠定了坚实的理论基础。人工智能简而言之是打造“人工大脑”，那么有三个问题需要解答。
·大脑是如何运转的？
·大脑的运行机制是否可以拆分成差异性极低的可衡量单元？
·是否有其他人工产物可以等价体现 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。