Metódy a techniky hlbokého učenia: Pokroky v riešení mmwave radarov

Pôvodný názov:

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

Obsah knihy:

Metódy a techniky v hlbokom učení

Predstavuje viaceré najmodernejšie architektúry hlbokého učenia pre radary na mm vlnách v rôznych pokročilých aplikáciách

Metódy a techniky hlbokého učenia: Pokroky v riešení pre mmWave radary poskytujú aktuálny a autoritatívny prehľad o využití spracovania založeného na umelej inteligencii (AI) pre rôzne aplikácie mmWave radarov. Tento komplexný zväzok, zameraný na praktické techniky hlbokého učenia, vysvetľuje základy hlbokého učenia, skúma najmodernejšie techniky hlbokého metrického učenia, opisuje rôzne typológie algoritmov posilňovania učenia (RL), zdôrazňuje, ako možno adaptáciu domény (DA) využiť na zlepšenie výkonu algoritmov strojového učenia (ML), a ďalšie. V celej knihe sa čitatelia oboznámia s riešeniami hlbokého učenia pripravenými na použitie v produktoch a zároveň si osvoja zručnosti, ktoré sú dôležité pre budovanie akéhokoľvek priemyselného riešenia hlbokého učenia založeného na senzoroch.

Tím autorov s viac ako 70 podanými patentmi a 100 publikovanými článkami o umelej inteligencii a spracovaní senzorov ukazuje, ako hlboké učenie umožňuje celý rad pokročilých priemyselných, spotrebiteľských a automobilových aplikácií mmWave radarov. Podrobné kapitoly pokrývajú témy vrátane multimodálnych prístupov hlbokého učenia, základných blokov potrebných na formuláciu bayesovského hlbokého učenia, spôsobu, akým možno adaptáciu domény (DA) využiť na zlepšenie výkonu algoritmov strojového učenia, a geometrického hlbokého učenia sa používajú na spracovanie mračien bodov. Okrem toho kniha:

⬤  Pojednáva o rôznych pokročilých aplikáciách a o tom, ako boli ich príslušné výzvy riešené pomocou rôznych architektúr a algoritmov hlbokého učenia.

⬤  Opisuje hlboké učenie v kontexte počítačového videnia, spracovania prirodzeného jazyka, spracovania senzorov a radarových senzorov s vlnovou dĺžkou mm.

⬤  Ukazuje, ako hlboké parametrické učenie znižuje počet trénovateľných parametrov a zlepšuje tok dát.

⬤  Predstavuje niekoľko aplikácií rozhrania človek-stroj (HMI), ako je rozpoznávanie gest, klasifikácia ľudskej činnosti, lokalizácia a sledovanie človeka, snímanie obsadenosti v kabíne automobilu.

Metódy a techniky hlbokého učenia: Je neoceniteľným zdrojom informácií pre odborníkov z priemyslu, výskumných pracovníkov a postgraduálnych študentov, ktorí pracujú v oblasti systémového inžinierstva, spracovania signálov, senzorov, dátovej vedy a umelej inteligencie.