Metody a techniky hlubokého učení: Pokroky v řešeních pro radary s mikrovlnami

Původní název:

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

Obsah knihy:

Metody a techniky hlubokého učení

Představuje několik nejmodernějších architektur hlubokého učení pro radary na mm vlnách v různých pokročilých aplikacích

Metody a techniky hlubokého učení: Pokroky v řešeních pro mmWave radary poskytují aktuální a autoritativní přehled o využití zpracování dat na bázi umělé inteligence pro různé aplikace mmWave radarů. Tento obsáhlý svazek, zaměřený na praktické techniky hlubokého učení, vysvětluje základy hlubokého učení, podává přehled nejmodernějších technik hlubokého metrického učení, popisuje různé typologie algoritmů posilování učení (RL), zdůrazňuje, jak lze využít přizpůsobení domény (DA) pro zlepšení výkonu algoritmů strojového učení (ML), a další. V celé knize se čtenáři seznámí s řešeními hlubokého učení, která jsou připravena k použití v produktech, a zároveň si osvojí dovednosti, které jsou důležité pro budování jakéhokoli průmyslového řešení hlubokého učení založeného na senzorech.

Tým autorů s více než 70 podanými patenty a 100 publikovanými články o umělé inteligenci a zpracování senzorů ukazuje, jak hluboké učení umožňuje řadu pokročilých průmyslových, spotřebitelských a automobilových aplikací mmWave radarů. Podrobné kapitoly se zabývají tématy, jako jsou multimodální přístupy hlubokého učení, základní bloky potřebné k formulaci bayesovského hlubokého učení, jak lze využít adaptaci domény (DA) pro zlepšení výkonu algoritmů strojového učení a jak se geometrické hluboké učení používá pro zpracování mračen bodů. Kromě toho kniha:

⬤  Pojednává o různých pokročilých aplikacích a o tom, jak byly jejich příslušné výzvy řešeny pomocí různých architektur a algoritmů hlubokého učení.

⬤  Popisuje hluboké učení v kontextu počítačového vidění, zpracování přirozeného jazyka, zpracování senzorů a mmWave radarových senzorů.

⬤  Ukazuje, jak hluboké parametrické učení snižuje počet trénovatelných parametrů a zlepšuje tok dat.

⬤  Představuje několik aplikací rozhraní člověk-stroj (HMI), jako je rozpoznávání gest, klasifikace lidské činnosti, lokalizace a sledování člověka, snímání obsazenosti automobilů v kabině.

Metody a techniky hlubokého učení: Je neocenitelným zdrojem informací pro odborníky z průmyslu, výzkumné pracovníky a postgraduální studenty, kteří se zabývají systémovým inženýrstvím, zpracováním signálů, senzory, vědou o datech a umělou inteligencí.