Name: Metody glębokiego uczenia się w procesach przetwarzania obrazu (en Polaco)
Price: 90150.00 CLP
Availability: InStock
Author: J, Rajeswari; S, Piriyadharshini; S, Senthil Kumar
ISBN: 9786209557651

portada Metody glębokiego uczenia się w procesach przetwarzania obrazu (en Polaco)

Metody glębokiego uczenia się w procesach przetwarzania obrazu (en Polaco)

Formato

Libro Físico

Editorial

Wydawnictwo Nasza Wiedza

Autor

J, Rajeswari; S, Piriyadharshini; S, Senthil Kumar

Idioma

Polaco

N° páginas

208

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 1.2 cm

ISBN13

9786209557651

Metody glębokiego uczenia się w procesach przetwarzania obrazu (en Polaco)

J, Rajeswari; S, Piriyadharshini; S, Senthil Kumar (Autor) · Wydawnictwo Nasza Wiedza · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 24 días háb.

$ 180.290$ 90.150

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 90.150

Llega entre el 14 Ago y el 20 Ago a Santiago, Región Metropolitana. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Metody glębokiego uczenia się w procesach przetwarzania obrazu (en Polaco)"

Glębokie uczenie zasadniczo przeksztalcilo przetwarzanie obrazu z ręcznie tworzonych potoków algorytmicznych w kompleksowe systemy uczące się, zdolne do przewyższania ludzkiej wydajności w zadaniach klasyfikacji, wykrywania, segmentacji, generowania i przywracania. Konwolucyjne sieci neuronowe zastępują istniejące od dziesięcioleci filtrowanie, progowanie i inżynierię cech hierarchicznymi ekstraktorami cech uczącymi się bezpośrednio z surowych pikseli za pomocą milionów sparametryzowanych filtrów wyszkolonych poprzez zejście gradientowe.Ta zmiana paradygmatu eliminuje kruche architektury kaskadowe, w których awaria wykrywania krawędzi rozprzestrzenia się poprzez glosowanie Hougha do upadku śledzenia, zastępując sekwencyjne tryby awarii solidnym holistycznym zrozumieniem wylaniającym się z treningu statystycznego. Nowoczesne transformatory wizyjne rozszerzają podstawy konwolucyjne poprzez globalne mechanizmy samouwagi modelujące zależności przestrzenne dalekiego zasięgu, nieobecne w czysto lokalnych polach recepcyjnych.