第1章 Python环境与基础
1.1 Python语言的开发环境
1.1.1 Jupyter Notebook
1.1.2 OpenCV
1.1.3 TensorFlow
1.1.4 PyTorch
1.1.5 Paddle Paddle
1.2 Python基础知识
1.2.1 Python编程基础
1.2.2 Python函数进阶
1.3 基于Python的数据分析与可视化
1.3.1 Python的数据分析库与数据可视化库
1.3.2 基于Python的数据分析
1.3.3 基于Python的数据可视化
1.4 基于Python的聚类算法
1.4.1 聚类分析
1.4.2 聚类算法
第2章 机器学习
2.1 机器学习的发展
2.2 机器学习的问题描述
2.3 机器学习的理论基础与主要方法
2.3.1 机器学习的理论基础
2.3.2 机器学习的主要方法
2.3.3 机器学习的经典模型
2.3.4 机器学习的知识图谱
2.3.5 机器学习的三要素
2.4 机器学习的基本流程
2.4.1 机器学习的训练流程
2.4.2 模型训练的注意事项
2.5 数据挖掘及其基本步骤
2.5.1 数据挖掘
2.5.2 预测建模
2.5.3 数据挖掘的基本步骤
2.6 机器学习和数据挖掘的常用工具
第3章 图像处理基础
3.1 图像去模糊
3.1.1 图像模糊类型
3.1.2 图像模糊退化模型
3.1.3 图像先验知识
3.2 图像去噪
3.2.1 噪声模型
3.2.2 传统的图像去噪方法
3.2.3 去噪效果评价指标
3.3 图像全色锐化
3.3.1 成分替换法
3.3.2 GIHS变换融合
3.3.3 PCA变换融合
3.3.4 GS变换融合
3.3.5 多分辨率分析法
3.3.6 小波变换法
3.3.7 模型优化法
3.4 图像修复
3.4.1 图像修复概念
3.4.2 传统的图像修复算法
3.4.3 常用的图像修复数据集
第4章 深度学习基础
4.1 神经网络
4.1.1 生物神经元与人工神经元
4.1.2 感知器
4.2 神经网络的训练与优化
4.2.1 神经网络的训练
4.2.2 神经网络的优化算法
4.3 反向传播算法
4.3.1 反向传播算法思想
4.3.2 反向传播算法过程
4.4 欠拟合与过拟合
4.4.1 基本概念
4.4.2 以减少特征变量的方法防止过拟合
4.4.3 以权重正则化的方法防止过拟合
4.4.4 以交叉验证的方法防止过拟合
4.4.5 以Dropout正则化的方法防止过拟合
4.4.6 贝叶斯正则化
第5章 深度神经网络
5.1 深度神经网络概述
5.1.1 深度神经网络的工作原理
5.1.2 深度神经网络的主要模型
5.2 卷积神经网络
5.2.1 输入层
5.2.2 隐藏层
5.2.3 输出层（全连接层）
5.3 卷积神经网络算法
5.3.1 链式法则
5.3.2 梯度下降与反向传播算法
5.3.3 卷积层的误差传递
5.3.4 卷积层权重梯度的计算
5.3.5 池化层的误差传递
5.4 卷积神经网络的训练与优化
5.4.1 卷积神经网络的工作流程
5.4.2 训练与优化
5.4.3 卷积神经网络与人工神经网络的比较
第6章 图神经网络
6.1 图神经网络概述
6.1.1 图神经网络的出现与发展
6.1.2 图神经网络
6.2 经典的图神经网络
6.2.1 图卷积网络
6.2.2 图样本和聚合
6.2.3 图注意力网络
6.3 其他图神经网络模型
6.3.1 无监督的节点表示学习
6.3.2 图池化
第7章 空洞多级卷积神经网络
7.1 空洞多级模块
7.1.1 空洞卷积
7.1.2 空洞多级模块结构
7.2 基于卷积神经网络的高效Pan-sharpening模型
7.2.1 数据集
7.2.2 超参数设置与网络结构选择
7.2.3 代价函数及其求解
7.3 深度学习结合模型优化的Pan-sharpening模型
7.3.1 基于梯度域的线性Pan-sharpening模型优化算法
7.3.2 基于深度梯度先验的Pan-sharpening模型优化算法
7.4 多尺度空洞深度卷积神经网络
7.4.1 SRCNN
7.4.2 超分辨率多尺度空洞卷积神经网络
7.4.3 多尺度多深度空洞卷积神经网络
第8章 深度强化学习
8.1 组成与结构
8.1.1 基本概念
8.1.2 马尔可夫决策过程
8.1.3 数学基础
8.1.4 策略迭代
8.1.5 值迭代
8.2 深度学习与强化学习
8.2.1 深度学习与强化学习之不同
8.2.2 深度学习与强化学习之结合
8.3 基于值函数的深度强化学习
8.3.1 深度Q学习
8.3.2 DQN与Q学习的区别
8.3.3 改进深度Q网络
8.4 基于策略梯度的深度强化学习
8.4.1 深度确定性策略梯度算法
8.4.2 异步深度强化学习算法
8.4.3 信赖域策略优化及其衍生算法
第9章 深度生成对抗网络
9.1 生成对抗网络
9.1.1 生成网络
9.1.2 鉴别网络
9.1.3 损失函数
9.2 多尺度生成对抗网络
9.2.1 多尺度结构
9.2.2 多尺度生成对抗网络结构
9.2.3 损失函
展开
