机读格式显示(MARC)

• 000 01821nam 2200337 450

• 001 0000967818

• 005 20231113174100.0

• 010 __ |a 978-7-111-71223-7 |d CNY99.00

• 099 __ |a CAL 012022118963

• 100 __ |a 20221124d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a acf z 000yy

• 106 __ |a r

• 200 1_ |a 生成对抗网络GAN |A sheng cheng dui kang wang luo GAN |e 原理与实践 |d = Deep generative adversarial network |e principle and practice |f 言有三, 郭晓洲著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2022

• 215 __ |a XI, 333页, [16] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 314 __ |a 言有三，本名：龙鹏，资深人工智能技术专家，曾就职于奇虎360人工智能研究院和陌陌科技深度学习实验室，服务于月活10亿级的Al产品。现为有三教育科技有限公司创始人。

• 314 __ |a 郭晓洲，笔名：小米粥，博士研究生，毕业于中国科学院半导体研究所，主要研究方向为生成模型、语音信号处理，具有扎实的理论基础和丰富的算法落地经验，发表多篇SCl、EI相关论文。

• 330 __ |a 本书共12章。第1-4章是基础知识，分别从生成模型、目标函数优化、训练技巧、评价指标与可视化介绍了生成对抗网络（GAN）的基础知识，为后续具体实践奠定理论基础。第5-12章是GAN在各个垂直领域中的应用，基本覆盖了GAN在视觉和语音中的绝大部分应用场景，分别从图像生成、视频生成、图像翻译、人脸图像编辑、图像质量提升、通用图像编辑、对抗攻击、语音信号处理等领域介绍了GAN的实践案例。每个案例均对核心代码进行了详细讲解，旨在加深读者对GAN的理解。

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Deep generative adversarial network |e principle and practice |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 言有三 |A yan you san |4 著

• 701 _0 |a 郭晓洲 |A guo xiao zhou |4 著

• 801 _0 |a CN |b NMU |c 20221130

• 905 __ |a JHUD |d TP181/168

• 920 __ |a 242450 |z 1

• 998 __ |a NMU