本书探索了如何在各种应用中使用生成式对抗网络，并强调了它们相对于传统生成式模型的重大进步。本书的主要目标是专注于深度学习和生成式对抗网络的前沿研究，包括创建用于处理文本、图像和音频的新工具和方法。生成对抗网络(GAN)是一类机器学习框架，是深度学习应用中的下一个新兴网络。生成对抗网络(Generative adversarial networks, GANs)能够根据应用需求生成样本数据，具有构建改进模型的可行性。GAN在科学技术领域有各种应用，包括计算机视觉、安防、多媒体和广告、图像生成、图像翻译、文本到图像合成、视频合成、生成高分辨率图像、药物发现等。
特点:
介绍如何将GAN用于图像和视频的全面指南
•包括使用生成对抗网络进行水下图像增强的案例研究，使用GAN进行入侵检测
•强调包括使用深度学习方法的游戏效果
•研究GAN的重大技术进步及其实际应用
•讨论GAN的挑战和最佳解决方案
本书针对更广泛的受众，如初级和高级工程、本科生和研究生、研究人员，以及对GAN和深度学习的趋势发展和机会感兴趣的任何人，解决了科学方面的问题。
书中的材料可以作为参考图书馆，认证机构，政府机构，特别是学术高等教育机构打算推出或改革他们的工程课程。
https://www.routledge.com/Generative-Adversarial-Networks-and-Deep-Learning-Theory-and-Applications/Raut-Pathak-Sakhare-Patil/p/book/9781032068107
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
后台回复或发消息“G223” 就可以获取《【干货书】深度学习与生成对抗网络：理论与应用，223页pdf》专知下载链接
