机读格式显示(MARC)

• 000 01842nam0 2200277 450

• 001 0000810664

• 005 20250819173300.0

• 010 __ |a 978-7-5615-9723-1 |d CNY58.00

• 100 __ |a 20250612d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 350000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 基于RFID和深度学习的人体行为识别研究 |A ji yu RFID he shen du xue xi de ren ti xing wei shi bie yan jiu |f 杨律青, 林凡, 隆思炜著

• 210 __ |a 厦门 |c 厦门大学出版社 |d 2025

• 215 __ |a 233页 |c 图 |d 24cm

• 314 __ |a 杨律青, 厦门大学教授、博士生导师, 兼任厦门大学数据科学与泛在物联研究中心、数据要素与智慧物联实验室主任, 主持多项国家及省级科研项目, 发表学术论文60余篇, 获发明专利授权10余项, 登记软件著作权20余项。林凡, 厦门大学教授、博士生导师, 平潭研究院院长, 曾为哈佛大学访问学者, 研究方向为人工智能、元宇宙与工业互联网, 在强化学习及推荐算法领域建树颇丰, 发表50余篇SCI论文, 主持多项国家级课题, 孵化多家高新技术企业, 获多项人才荣誉。隆思炜, 本科毕业于中央财经大学信息管理与信息系统专业, 厦门大学人工智能研究院在读硕士研究生。研究方向为基于RFID的人体行为识别和室内定位算法。

• 320 __ |a 有书目 (第228-233页)

• 330 __ |a 本书首先介绍了研究背景, 然后详细阐述了RFID和人工智能的基础知识。第三至第六章聚焦于RFID室内定位技术和行为识别, 包括多模态数据方法、卷积网络和对比学习的应用, 以及针对标签无附着和小样本场景的解决方案。第七章和第八章探讨了基于生成对抗网络和大语言模型的手指轨迹识别, 以及对抗网络和孪生网络的行为识别算法。本书结合理论与实践, 提供了全面的技术视角, 并在第九章进行了总结和未来研究方向的展望, 为读者提供了一个全面的技术视角。

• 606 0_ |a 无线射频识别 |A wu xian she pin shi bie |x 机器学习 |x 应用 |x 人体 |x 行为分析 |x 自动识别

• 690 __ |a TP302.7 |v 5

• 701 _0 |a 杨律青 |A yang lv qing |4 著

• 701 _0 |a 林凡 |A lin fan |4 著

• 701 _0 |a 隆思炜 |A long si wei |4 著

• 801 _0 |a CN |b WFKJXY |c 20250819

• 905 __ |a WFKJXY |d TP302.7/136