在物联网(Internet of Things,IoT)时代,大量的传感设备会随着时间的推移而收集并生成各种传感数据,以用于各种应用。这些数据主要由基于应用的大型、快速和实时流组成。与此类大数据或数据流相关分析的使用对于学习新信息、预测未来见解,以及做出明智的决定至关重要,这使得物联网成为一种有价值的商业模式和提高生活质量的技术。
本书将详细介绍被称为深度学习(Deep Learning,DL)的高级机器学习技术,它可以促进各种物联网应用中的数据分析和学习。本书的实际用例涉及数据收集、分析、建模和模型的性能评估,以及各种物联网应用和部署的设置,基本上涵盖了每个实现的全部过程。
借助TensorFlow、Keras和Chainer的强大功能,使用深度学习技术来分析和理解物联网生成的大数据和实时数据流。
《物联网深度学习 》详细阐述了与物联网深度学习相关的基本解决方案,主要包括物联网生态系统、物联网深度学习技术和框架、物联网中的图像识别、物联网中的音频/语音/声音识别、物联网中的室内定位、物联网中的生理和心理状态检测、物联网安全、物联网的预测性维护、医疗物联网中的深度学习等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。
本书适合作为高等院校计算机及相关专业的教材和教学参考书,也可作为相关开发人员的自学教材和参考手册。