Bücher von Lam'qa Taha

Suschestwuet mnozhestwo algoritmow mashinnogo obucheniq (ML) dlq klassifikacii pochwenno-rastitel'nogo pokrowa i zemlepol'zowaniq. V ätoj knige my sosredotochimsq na otnositel'no zrelyh metodah (sem' metodow): mashiny wektorow podderzhki (SVM), derew'q reshenij (DT), iskusstwennye nejronnye seti, k-nearest neighbours (k-NN), naïve Bayes, Boosting i Random forest (RF).Tochnyj i swoewremennyj sbor informacii o gorodskom zemlepol'zowanii i pochwenno-rastitel'nom pokrowe imeet reshaüschee znachenie dlq mnogih aspektow gorodskogo razwitiq i ohrany okruzhaüschej sredy.Tochnaq klassifikaciq pochwenno-rastitel'nogo pokrowa qwlqetsq slozhnoj zadachej. Uluchshenie klassifikacii pochwenno-rastitel'nogo pokrowa qwlqetsq aktual'noj temoj. Ona neobhodima dlq mnogih prilozhenij, takih kak kartografirowanie zemlepol'zowaniq, äkologicheskij monitoring, uprawlenie prirodnymi resursami, gorodskoe planirowanie, uprawlenie i obnaruzhenie izmenenij. Zatem byl izuchen rqd ansamblewyh metodow dlq ob#edineniq razlichnyh klassifikatorow.

V ätoj knige predstawlen obzor tehnologii glubokogo obucheniq s razlichnyh tochek zreniq, takih kak sowremennye metody glubokogo obucheniq, podhody k glubokomu obucheniü, prilozheniq. Krome togo, rassmatriwaütsq potencial'nye problemy tehnologii glubokogo obucheniq. V dannom issledowanii predstawleny konwolücionnye nejronnye seti (CNN), kotorye qwlqütsq naibolee ispol'zuemym tipom DL-setej. Predstawlen obzor arhitektur glubokogo obucheniq CNN, kotorye chasto wstrechaütsq w literature, a takzhe ih sil'nye storony i ogranicheniq, opisano razwitie arhitektur CNN wmeste s ih osnownymi osobennostqmi, naprimer, AlexNet, VGG, ResNet, DenseNet, GoogLeNet, Inception: ResNet nd Inception V3/ V4, SegNet, U Net, Point CNN i MASK R-CNN.Takzhe podrobno rassmatriwaetsq primenenie konwolücionnoj nejronnoj seti w distancionnom zondirowanii dlq izwlecheniq harakteristik. Obsuzhdaütsq problemy, s kotorymi stalkiwaetsq CNN