内容简介
    这本书提出了各种深度学习模型，其特点是深度学习算法如何在现实生活中应用和使用。现实世界场景的复杂性和环境的限制，加上预算和资源的限制，给工程师和开发人员提出满足这些需求的解决方案带来了巨大挑战。本书介绍了作者为克服这些问题而进行的案例研究。这些研究可以作为设计师在应用深度学习解决视觉、信号和网络领域的现实问题时的参考。 
这本书的内容分为三部分。在第一部分中，重点介绍了人工智能视觉在植物病害诊断、PM2.5浓度估计、表面缺陷检测和船舶牌照识别中的应用。第二部分介绍了深度学习在信号处理中的应用；例如时间序列分类、基于广义学习的信号调制识别和基于图形神经网络（GNN）的调制识别。最后，本书的最后一节报告了网络人工智能中的图形嵌入应用和GNN；例如用于争议检测的端到端图形嵌入方法、用于推断Apache软件之间关系的自主系统GNN架构、用于识别和检测庞氏骗局的庞氏骗局检测框架以及用于预测分子生物学活动的GNN应用。 
AI应用中的真实世界示例示例
工业应用的最先进AI解决方案
视觉和信号处理以及网络方面的案例研究

目录 
基于视觉的颗粒物估计
采用深度学习技术的自动车牌识别
生成对抗网络（GAN）增强的轴承滚子缺陷检测和分割
深度学习在作物胁迫中的应用
提出了一种基于卷积神经网络的混合剪枝方法
时间序列分类的广义学习系统
基于深度学习的无线电调制信号去噪
提出了一种基于局部有限穿透可见性图的图形神经网络调制识别框架
基于图神经网络的自主系统（AS）业务类型研究
社交媒体意见分析
以太坊基于图形思想的庞氏骗局检测工作
基于图卷积的分子生物学活性预测研究 

学术水平：专业人士、学术研究人员、研究生
读者群：从事计算机视觉、信号、网络、机器学习和深度学习的研究人员