Tuyển tập độc đáo này bao gồm một loạt các đóng góp tiên tiến gần đây trong lĩnh vực Nhận dạng Mẫu (Pattern Recognition) và Trí tuệ Nhân tạo (Artificial Intelligence), cả về mặt lý thuyết lẫn ứng dụng. Sách nhấn mạnh tầm quan trọng của Học sâu (Deep Learning) trong các lĩnh vực khác nhau, từ thu thập (dữ liệu) đến Ra quyết định.
Được viết bởi các tác giả nổi tiếng thế giới, công trình nghiên cứu chất lượng cao này trình bày các nghiên cứu tình huống (case studies) có khả năng giúp người đọc tìm ra các phương pháp tiếp cận và nguồn lực để giải quyết các vấn đề khoa học của họ.
Đây là một tài liệu tham khảo hữu ích cho các chuyên gia, nhà nghiên cứu, học giả và sinh viên sau đại học trong các lĩnh vực trí tuệ nhân tạo, học máy (machine learning) và học sâu.
Mục lục :
- Tăng cường Đồ thị (Graph Augmentation) bằng cách sử dụng Đồ thị Ghép cặp (Matching-Graphs) (Mathias Fuchs và Kaspar Riesen)
- Kiểm soát các Kim tự tháp Đồ thị (Graph Pyramids) Bảo toàn Cấu trúc Tô-pô (Walter G Kropatsch, Majid Banaeyan, và Rocio Gonzalez-Diaz)
- Một Lược đồ Hợp nhất Đa phương thức Độc lập Cảm biến để Nhận dạng Hoạt động của Con người (Anastasios Alexiadis, Alexandros Nizamis, Dimitra Zotou, Dimitrios Giakoumis, Konstantinos Votis, và Dimitrios Tzovaras)
- Các Thước đo để Đánh giá Bản đồ Nổi bật (Saliency Map) của các Phương pháp Giải thích Học sâu (Tristan Gomez, Thomas Fréour, và Harold Mouchère)
- Phân đoạn Hiệu quả các Thiết bị Rác thải Điện tử (E-Waste) bằng Học sâu để Tái chế bằng Robot (Cristof Rojas, Antonio Rodríguez-Sánchez, và Erwan Renaudo)
- Phát hiện Biển hiệu Cửa hàng bằng cách sử dụng Bộ dữ liệu ShoS (Mrouj Almuhajri và Ching Y Suen)
- Ước tính Độ sâu Đơn mắt (Monocular Depth Estimation) Tự giám sát (Self-Supervised) được Tự chưng cất (Self-Distilled) (Julio Mendoza và Helio Pedrini)
- Một Phương pháp Tiếp cận Bộ mã hóa-Giải mã (Encoder–Decoder) để Nhận dạng Biểu thức Toán học Viết tay Ngoại tuyến (Offline) với Cơ chế Chú ý Dư (Residual Attention) (Qiqiang Lin, Chunyi Wang, Ning Bi, Ching Y Suen, và Jun Tan)
- Phân tích Độ phức tạp về Tính khả thi Chung của các Cuộc tấn công Đối kháng dựa trên Mảng vá (Patch-Based Adversarial Attacks) đối với các Bài toán Phân đoạn Ngữ nghĩa (Semantic Segmentation) (András Horváth và Soma Kontár)
- Phân tích Cảm xúc và Đám mây Từ (Word Cloud) của các Tweets liên quan đến Vắc-xin COVID-19 trước, trong và sau Làn sóng thứ hai ở Ấn Độ (Anmol Bansal, Arjun Choudhry, Anubhav Sharma, và Seba Susan)
- Học Tăng cường (Reinforcement Learning) và Đối sánh Đồ thị (Graph Matching) dựa trên QAP Tuần tự để Phân đoạn Ngữ nghĩa của Hình ảnh (Jérémy Chopin, Jean-Baptiste Fasquel, Harold Mouchère, Rozenn Dahyot, và Isabelle Bloch)
- FEM và FEM Đa lớp: Các Phương pháp Giải thích Đặc trưng (Feature Explanation Methods) với Lọc Thống kê các Đặc trưng Quan trọng (Alexey Zhukov, Jenny Benois-Pineau, Romain Giot, Romain Bourqui, và Luca Bourroux)
Đối tượng độc giả : Các nhà nghiên cứu, chuyên gia, học giả và sinh viên sau đại học trong các lĩnh vực trí tuệ nhân tạo, học máy và học sâu.
Đánh giá
Chưa có đánh giá nào.