Digitale Bildverarbeitung: Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum
Autor Martin Wernerde Limba Germană Paperback – 30 noi 2020
Preț: 294.54 lei
Nou
Puncte Express: 442
Preț estimativ în valută:
56.37€ • 58.55$ • 46.82£
56.37€ • 58.55$ • 46.82£
Carte tipărită la comandă
Livrare economică 03-17 februarie 25
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783658221843
ISBN-10: 3658221844
Pagini: 474
Ilustrații: XIII, 474 S. 200 Abb., 117 Abb. in Farbe.
Dimensiuni: 168 x 240 x 25 mm
Greutate: 0.83 kg
Ediția:1. Aufl. 2021
Editura: Springer Fachmedien Wiesbaden
Colecția Springer Vieweg
Locul publicării:Wiesbaden, Germany
ISBN-10: 3658221844
Pagini: 474
Ilustrații: XIII, 474 S. 200 Abb., 117 Abb. in Farbe.
Dimensiuni: 168 x 240 x 25 mm
Greutate: 0.83 kg
Ediția:1. Aufl. 2021
Editura: Springer Fachmedien Wiesbaden
Colecția Springer Vieweg
Locul publicării:Wiesbaden, Germany
Cuprins
Digitale Bilder.- Helligkeit und Kontrast.- Punkt- und Rangoperatoren.- LSI-Systeme und lineare Filterung.- Glättungsfilter, Rauschen und Verzerrungen.- Kanten und Konturen.- Kantenschärfen und Hough-Methode.- Morphologische Transformationen.- Fourier-Transformation für digitale Bilder.- Filtern und Entzerren mit der 2-D-DFT.- Künstliche Neuronen und Lernen.- Flache neuronale Netze für die Klassifizierung.- Lernen mit dem Backpropagation-Algorithmus.- Neuronale Netze mit Faltungsschichten
Notă biografică
Prof. Dr.-Ing. Martin Werner lehrt Nachrichtentechnik am Fachbereich Elektrotechnik und Informationstechnik der Hochschule Fulda.
Textul de pe ultima copertă
Das Buch Digitale Bildverarbeitung gibt Einblicke in typische Methoden und Anwendungen. Es liefert eine solide Grundlage für die spätere fachliche Vertiefung. Dem einführenden Charakter entsprechend, steht exemplarisches, aktives Lernen an Beispielen und Übungen mit MATLAB® im Vordergrund. Wiederholungsfragen und kurze Aufgaben mit vollständigen Lösungen sowie viele Programmbeispiele mit Online-Ressourcen unterstützen den Lernerfolg. Ein PC mit MATLAB® und der Image Processing Toolbox wird vorausgesetzt.
Der Inhalt
Digitale Bilder • Helligkeit und Kontrast • Punkt- und Rangoperatoren • LSI-Systeme und lineare Filterung • Glättungsfilter, Rauschen und Verzerrungen • Kanten und Konturen • Kantenschärfen und Hough-Methode • Morphologische Transformationen • Fourier-Transformation für digitale Bilder • Filtern und Entzerren mit der 2-D-DFT • Künstliche Neuronen und Lernen • Flache neuronale Netze für die Klassifizierung • Lernen mit dem Backpropagation-Algorithmus • Neuronale Netze mit Faltungsschichten
Die Zielgruppen
Prof. Dr.-Ing. Martin Werner lehrt Nachrichtentechnik am Fachbereich Elektrotechnik und Informationstechnik der Hochschule Fulda.
Der Inhalt
Digitale Bilder • Helligkeit und Kontrast • Punkt- und Rangoperatoren • LSI-Systeme und lineare Filterung • Glättungsfilter, Rauschen und Verzerrungen • Kanten und Konturen • Kantenschärfen und Hough-Methode • Morphologische Transformationen • Fourier-Transformation für digitale Bilder • Filtern und Entzerren mit der 2-D-DFT • Künstliche Neuronen und Lernen • Flache neuronale Netze für die Klassifizierung • Lernen mit dem Backpropagation-Algorithmus • Neuronale Netze mit Faltungsschichten
Die Zielgruppen
- Studierende in Bachelor- und Masterstudiengängen in MINT-Fächern
- Wissenschaftler, Ingenieure und Praktiker aus dem MINT-Bereich, die ihre Kenntnisse auffrischen und erweitern wollen
Prof. Dr.-Ing. Martin Werner lehrt Nachrichtentechnik am Fachbereich Elektrotechnik und Informationstechnik der Hochschule Fulda.
Caracteristici
Theorieeinführungen und MATLAB®-Versuche Ausführliche Lösungen unterstützen die Erreichung der Lernziele Hervorragend zum Selbststudium geeignet