Reti avversarie generative e apprendimento profondo: Teoria e applicazioni

Titolo originale:

Generative Adversarial Networks and Deep Learning: Theory and Applications

Contenuto del libro:

Questo libro esplora come utilizzare le reti generative avversarie in una varietà di applicazioni e sottolinea i loro sostanziali progressi rispetto ai modelli generativi tradizionali. L'obiettivo principale di questo libro è quello di concentrarsi sulla ricerca d'avanguardia nel deep learning e nelle reti generative avversarie, che comprende la creazione di nuovi strumenti e metodi per l'elaborazione di testi, immagini e audio.

Le reti avversarie generative (GAN) sono una classe di strutture per l'apprendimento automatico e rappresentano la prossima rete emergente nelle applicazioni di deep learning. Le reti avversarie generative (GAN) hanno la possibilità di costruire modelli migliori, in quanto possono generare dati campione in base ai requisiti dell'applicazione. Esistono diverse applicazioni delle GAN nella scienza e nella tecnologia, tra cui la computer vision, la sicurezza, il multimedia e la pubblicità, la generazione di immagini, la traduzione di immagini, la sintesi da testo a immagini, la sintesi di video, la generazione di immagini ad alta risoluzione, la scoperta di farmaci, ecc.

Caratteristiche

⬤ Presenta una guida completa su come utilizzare GAN per immagini e video.

⬤ Include casi di studio sul miglioramento delle immagini subacquee mediante la rete avversaria generativa, sul rilevamento delle intrusioni mediante GAN.

⬤ Evidenzia l'inclusione di effetti di gioco utilizzando metodi di deep learning.

⬤ Esamina i significativi progressi tecnologici della GAN e la sua applicazione nel mondo reale.

⬤ Discute le sfide della GAN e le soluzioni ottimali.

Il libro affronta gli aspetti scientifici per un pubblico più ampio, come gli studenti di ingegneria junior e senior, i laureandi e i post-laureati, i ricercatori e chiunque sia interessato allo sviluppo delle tendenze e delle opportunità nel GAN e nel Deep Learning.

Il materiale contenuto nel libro può servire come riferimento nelle biblioteche, nelle agenzie di accreditamento, negli enti governativi e soprattutto negli istituti accademici di istruzione superiore che intendono lanciare o riformare il loro curriculum di ingegneria.