资源介绍
电子书格式: epub,pdf
《深度学习应用新进展：新技术与实践案例》是一部聚焦深度学习前沿应用的权威著作，收录了 2023 年第 22 届 IEEE 机器学习与应用国际会议（IEEE ICMLA 2023）的精选修订论文。全书围绕深度学习架构在多领域的创新应用展开，涵盖计算机视觉、自然语言处理、真实世界预测建模及其他领域的方法论探索，为学术研究者、行业专业人士、软件工程师和创新产品开发者提供了极具价值的参考指南。
本书共分为四个部分，十六个章节，系统呈现了深度学习技术的最新突破与实践成果。第一部分聚焦计算机视觉领域，提出了多种创新方案：基于 YOLOv8 模型的自动图像分割算法（YOLOv8-AIS）通过迭代训练和自监督学习，有效减少手动标注工作量，在植物叶片病害识别和皮肤病变检测中表现优异；利用生成对抗网络（GAN）的数据增强技术，实现了节能型青光眼检测，为医疗资源匮乏地区提供了高效诊断方案；谐波网络（Harmonic Networks）则成功解决了 JPEG 压缩伪影去除问题，通过离散余弦变换（DCT）、离散正弦变换（DST）等谐波变换域处理，提升了图像恢复质量；此外，还通过眼动追踪数据与深度学习结合，建模面部情绪感知过程，为情感计算提供了新视角。
第二部分专注于自然语言处理应用，展现了大语言模型（LLMs）的强大潜力：在 STEM 教育领域，LLMs 被用于自动简答题评分和学生误解检测，通过语义推理与迁移学习，提高了教育评估的效率与准确性；研究发现，循环语言模型在训练过程中会自发涌现词类和句法规则表示，为语言习得机制研究提供了重要参考；在网络安全领域，基于主动学习的方法被用于新兴网络威胁检测，通过不确定性采样、多样性采样等策略，减少标注成本的同时提升了威胁识别能力；针对生物医学文献的信息检索，构建了可解释的生物医学不一致性检测系统，整合信息检索、机器学习分类器和可解释 AI 技术，助力证据导向型医疗决策。此外，还开发了类人化电子学习中介代理，通过检索增强生成（RAG）和任务生成评估系统，提供情境相关的教学反馈，优化学习体验。
第三部分聚焦真实世界预测建模，将深度学习与实际场景深度融合：Transformer 图神经网络（T-GNNs）被应用于房产估值，有效处理数据稀疏性、时间和地理变化等挑战，性能显著优于非图神经网络方法；提出了针对住宅 HVAC（供暖、通风和空调）系统和热水器的模型误差聚类方法，为能源设备优化提供支持；通过混合物理信息神经网络（SEIRD 模型）预测英国新冠疫情重症监护病房（ICU）需求，为公共卫生决策提供了科学依据。
第四部分探索了深度学习在其他领域的方法学创新：提出基于高斯混合模型的医疗保险欺诈检测数据缩减技术，仅使用 20% 的原始数据就能保持高检测性能，为大规模健康数据集处理提供了高效方案；结合卷积和循环层的深度学习混合方法，实现了移动机器人气体源定位，在复杂环境中表现出优异的定位精度；针对稀疏数据域的物理科学问题，提出 “预言机” 条件和迭代神经网络，提升了预测模型的准确性；通过分层多智能体强化学习框架优化空战战术，设计两级决策流程，为国防场景的策略规划提供了安全高效的解决方案。
本书的核心特色在于兼具前沿性与实用性，既呈现了深度学习领域的最新技术成果，包括卷积神经网络、Transformer、自编码器、图神经网络等模型的创新应用，又通过具体案例展示了技术在医疗健康、安全威胁检测、教育、故障诊断、工业机器人控制等真实场景的落地效果。书中内容注重理论与实践结合，为读者提供了将深度学习架构应用于实际问题的新思路与新方法，对于推动深度学习技术的产业化应用和学术研究的深入发展具有重要意义。无论是希望了解领域最新动态的研究者，还是寻求技术解决方案的工程师，都能从本书中获得宝贵的洞察与启发。