正则化深度学习及其在机器人环境感知中的应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

正则化深度学习及其在机器人环境感知中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 背景和意义1

1.2 问题与挑战2

1.2.1 深度学习问题描述2

1.2.2 深度学习的挑战3

1.2.3 机器人环境感知4

1.3 研究现状5

1.3.1 深度学习发展6

1.3.2 深度学习与正则化7

1.3.3 深度学习在机器人环境感知的应用10

1.4 本书组织结构11

第2章 隐层正则约束：图正则自编码器13

2.1 引言13

2.2 图正则自编码器14

2.2.1 自编码器15

2.2.2 单隐层图正则化自编码器16

2.2.3 栈式图正则化自编码器18

2.2.4 近邻图构造18

2.2.5 模型训练19

2.3 图正则化理论分析21

2.3.1 图正则项对于输入空间的邻域特性建模23

2.3.2 图正则项对于隐层表示的影响24

2.3.3 图正则项与其他正则项的关系26

2.4 图像聚类与分类实验结果27

2.4.1 图像聚类实验27

2.4.2 图像分类实验34

2.5 广义图正则化与场景分类39

2.5.1 广义图正则自编码器40

2.5.2 多层级输入构造以及结果融合41

2.6 场景分类实验结果46

2.7 本章小结49

第3章 结构正则约束：语义正则网络51

3.1 引言51

3.2 语义正则卷积神经网络53

3.2.1 卷积神经网络53

3.2.2 语义正则下的场景分类网络55

3.2.3 输入构造59

3.3 基于场景类别的语义分割优化59

3.4 实验结果61

3.4.1 实验配置62

3.4.2 语义正则结构有效性验证62

3.4.3 场景分类结果64

3.4.4 语义分割优化结果66

3.4.5 数据集外场景测试结果68

3.5 本章小结70

第4章 结构正则约束：嵌套残差网络71

4.1 引言71

4.2 嵌套残差网络73

4.2.1 稠密参考深度构造73

4.2.2 结构正则化的嵌套残差网络77

4.2.3 代价函数79

4.3 实验结果80

4.3.1 实验配置81

4.3.2 结构正则化有效性验证82

4.3.3 深度估计结果对比84

4.3.4 输入稀疏观测与输出置信度分析88

4.4 本章小结90

第5章 输出正则约束：深度移动立方体网络91

5.1 引言91

5.2 深度移动立方体算法94

5.2.1 移动立方体算法94

5.2.2 可导移动立方体层97

5.2.3 网络结构99

5.3 正则化深度移动立方体网络100

5.3.1 点到物体表面距离101

5.3.2 占用概率先验正则101

5.3.3 网格模型复杂度正则102

5.3.4 网格模型曲率正则102

5.4 实验结果103

5.4.1 模型及正则项验证103

5.4.2 基于点云的三维物体重构107

5.4.3 基于体素模型的三维物体重构111

5.5 本章小结113

第6章 总结与展望114

6.1 本书总结114

6.2 未来工作展望115

参考文献116

相关发表文章132