AI 矩形 陣列的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

OpenCV影像創意邁向AI視覺王者歸來(全彩印刷)

為了解決AI 矩形 陣列的問題，作者洪錦魁 這樣論述：

★★★★★ 國內作者【第一本】×【全彩印刷】×【AI視覺】書籍 ★★★★★ ★★★★★ 完整解說【影像創意】×【AI視覺】的實例 ★★★★★ ★★★★★【31個主題】＋【423個Python實例】★★★★★ 　　筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明： 　　◤函數數學原理解說◢ 　　◤套用OpenCV函數講解影像創意與AI視覺的實例◢ 　　當讀者遵循這些步驟學習時，相信所設計的物件就是一個帶有靈魂與智慧的程式碼了。這本書從影像原理開始說起，逐一解說從影像到AI視覺所需的完整知識，本書的主題內容如下： 　　☆ 完整解說操作OpenCV需要的Numpy

知識 　　★ 影像讀取、輸出與儲存 　　☆ 認識色彩空間、BGR、RGB、HSV 　　★ 建立藝術畫作 　　☆ 建立靜態與動態影像，打破OpenCV限制建立中文字輸出函數 　　★ 影像計算與影像的位元運算 　　☆ 重複曝光技術 　　★ 影像加密與解密 　　☆ 閾值處理 　　★ 數位情報員、深藏在影像的情報秘密 　　☆ 數位浮水印、版權所有翻譯必究 　　★ 影像幾何變換、翻轉、仿射、透視、重映射 　　☆ 影像遮罩與影像濾波器 　　★ 認識卷積 　　☆ 認識與刪除影像雜質 　　★ 數學形態學、腐蝕、膨脹、開運算、閉運算、禮帽運算、黑帽運算 　　☆ 從影像梯度到內部圖形的邊緣偵測 　　★ 影像金字塔

　　☆ 影像輪廓特徵與匹配 　　★ 輪廓的擬合、凸包與幾何測試 　　☆ 醫學應用器官影像的徵兆 　　★ 霍夫變換(Hough Transform)與直線檢測 　　☆ 無人車駕駛車道檢測技術 　　★ 直方圖、增強影像對比度、修復太曝或太黑影像、去霧處理 　　☆ 模板匹配、找尋距離最近的機場、找尋某區域高山數量 　　★ 傅立葉變換的方法與意義、空間域與頻率域的切換，進行影像處理 　　☆ 分水嶺演算法執行影像分割 　　★ 前景影像擷取 　　☆ 影像修復—搶救蒙娜麗莎的微笑 　　★ 辨識手寫數字 　　☆ OpenCV的攝影功能、活用拍照與錄影 　　★ 應用OpenCV內建的哈爾(Haar)特徵階層式

分配器 　　☆ 偵測人臉、身體、眼睛、貓臉、俄羅斯車牌 　　★ 設計自己的哈爾偵測分配器，應用在偵測台灣汽車車牌 　　☆ 人臉辨識原理與應用 　　★ 執行車牌辨識     

AI 矩形 陣列進入發燒排行的影片

次世代無線通訊天線設計

為了解決AI 矩形 陣列的問題，作者楊致偉 這樣論述：

摘要 iABSTRACT ii誌謝 iv目錄 vi圖目錄 x表目錄 xvii1 第一章 緒論 11.1 研究背景 11.2 研究動機與方法 21.3 論文組織 32 第二章 應用於多通訊標準的嵌入式單極天線 52.1 簡介 52.2 微帶天線理論 72.3 天線結構 112.3.1 嵌入式超寬頻單極天線結構 112.3.2 嵌入式雙頻帶單極天線結構 162.4 天線設計流程與分析 212.4.1 嵌入式超寬頻單極天線分析 212.4.2 嵌入式雙頻帶單極天線分析 242.5 天線電磁輻射吸收比之討論 262.5.1 嵌入式超寬頻單極天線的手部模擬 2

72.5.2 嵌入式雙頻帶單極天線的手部模擬 312.6 實作與量測 352.6.1 嵌入式超寬頻單極天線性能驗證 362.6.2 嵌入式雙頻帶單極天線性能驗證 392.6.3 文獻比較與討論 422.7 結論 443 第三章 開路共振環的雙頻MIMO天線 453.1 簡介 453.2 MIMO系統 473.3 微帶天線理論 (參考2.2小節) 483.4 開路共振環的雙頻MIMO天線結構 483.5 開路共振環雙頻天線設計流程與分析 513.5.1 開路共振環的雙頻MIMO天線設計流程 513.5.2 倒勾型天線支路分析 523.5.3 倒L型天線支路分析 53

3.5.4 開路共振環長度分析 543.5.5 表面電流模擬 553.6 天線電磁輻射吸收比之討論 573.6.1 開路共振環雙頻天線的手部模擬 583.7 實作與量測 613.7.1 吞吐量量測 693.7.2 文獻比較與討論 743.8 結論 764 第四章 功率分配器的SIW陣列天線 774.1 簡介 774.2 基板合成波導理論 794.3 基板合成波導功率分配器 814.4 矩形金屬波導理論 824.5 功率分配結構的SIW陣列天線結構 874.6 功率分配結構的SIW陣列天線設計流程與分析 894.6.1 功率分配結構的SIW陣列天線設計流程與分析

894.7 電磁功率密度模擬之討論 914.7.1 功率分配結構的SIW陣列天線手部模擬 914.8 實作與量測 934.8.1 文獻比較與討論 954.9 結論 975 第五章 功率分配器的維瓦第陣列天線 985.1 簡介 985.2 陣列天線理論 1005.2.1 陣列天線的微帶傳輸線轉角設計 1015.3 維瓦第天線理論 1035.4 功率分配器理論 1045.5 功率分配器的維瓦第陣列天線結構 1065.6 功率分配器的維瓦第陣列天線設計流程與分析 1085.7 電磁功率密度模擬之討論 1115.7.1 功率分配器的維瓦第陣列天線手部模擬 1115.8 實

作與量測 1135.8.1 文獻比較與討論 1165.9 結論 1176 第六章 可波束切換的4 × 4巴特勒矩陣天線 1186.1 簡介 1186.2 巴特勒矩陣基本原理 1206.2.1 90度耦合器原理 1216.2.2 交叉耦合器原理 1236.2.3 45度相移器原理 1246.2.4 微帶天線理論 (參考2.2小節) 1246.2.5 陣列天線理論 1246.3 可波束切換的4 × 4巴特勒矩陣天線設計分析 1276.3.1 90度耦合器設計分析 1276.3.2 交叉耦合器設計分析 1296.3.3 45度相移器設計分析 1306.3.4 4 × 4

巴特勒矩陣設計分析 1316.3.5 28GHz貼片天線設計分析 1356.3.6 波束切換設計分析 1376.4 實作與量測 1406.4.1 反射係數模擬與量測 1406.4.2 波束指向性模擬與量測 1456.5 電磁功率密度模擬之討論 1506.5.1 可波束切換的4×4巴特勒矩陣天線手部模擬 1506.5.2 文獻比較與討論 1526.6 結論 1547 第七章 結論 1557.1 總結 1557.2 未來展望 157參考文獻 158

《演算法、深度學習、程式設計入門教室》精選套書(演算法圖鑑+深度學習入門教室+Python入門教室)

為了解決AI 矩形 陣列的問題，作者MoriteruIshida 這樣論述：

 《演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用全圖解》 ★日本超人氣演算法學習書 ★逾50萬次下載量，「Apple年度最佳APP」書籍化！ ★隨書附贈獨家贈品「圖形搜尋和排序圖解記憶表」 ★★ 讀再多文字解說都看不懂？沒關係，全部畫給你看，一次弄懂演算法到底是什麼！★★ ●直觀理解，從基礎開始學習，一用就上手的演算法專書！ ●全圖像化step by step，完整拆解制霸AI時代的演算法精髓！ ●詳解演算法的奧妙、執行效率、優缺點，活化思維，做出最佳決斷！ 【專業審訂】 謝孫源  成功大學資訊工程系特聘教授兼研發長   【專

家學者好評推薦】 李忠謀  國立臺灣師範大學資訊工程系教授、國際資訊奧林匹亞競賽主席 黃建庭  高中資訊科技概論教師 趙坤茂  臺灣大學資訊工程學系教授 鄭國威  PanSci泛科學總編輯 【高中資訊社團好評推薦】 北一女中資訊研習社 台中一中第35屆電腦資訊研究社 台南女中資訊研究社 成功高中電子計算機研習社 建國中學資訊社 高雄女中資訊社 新竹高中軟體研究社CSDC 臺南一中資訊社 █ 演算法時代來了！ 現今我們的世界已離不開演算法，從線上搜尋、社群交友、法院判案、醫學診斷、金融運作、大腦決策到人工智慧的未來，越了解演算法，越可能掌控權力，成為時代的贏家。有些演算法對我們有益、有些

有用，有些則可能使我們陷入大麻煩，但我們對這些演算法所知極少。 不管用哪種程式語言編寫程式，演算法都是不可或缺的，不過如果認為只有學電腦的人才要了解演算法，那就太可惜了。演算法其實是一連串解決問題的邏輯步驟，只要熟悉這些步驟和運用方式，每個人都能設計自己的演算法並應用於各種不同領域。學習演算法正是建構嚴謹思維和幫助做出最佳判斷的訓練。 █ 演算法的第一本書，從基礎開始學習！ 演算法是用以執行計算或完成作業的程序，可以想像成料理食譜，如果做出某種料理的步驟是食譜，那麼用電腦解出特定問題的步驟就是演算法了。然而，食譜與演算法的決定性差異，在於演算法非常嚴謹。相較於食譜有很多概略的描述，演算法

的所有步驟都用數學方式表現，沒有模糊地帶。 本書蒐羅介紹26種基本的演算法和7種資料結構，貨真價實完全圖解。每一個步驟都以圖片和文字詳細說明，拆解具體演算過程，逐步建立邏輯概念，輕鬆進入演算法的世界。 書中解說的演算法範疇包括「排序」、「陣列搜尋」、「圖形搜尋」、「安全性演算法」、「分群」，以及「網頁排名」等各種廣泛使用的基礎演算法。不用艱澀的專有名詞，步步口語分解，完全沒有概念的人也能漸進學習。 ―――― 《深度學習入門教室：6堂基礎課程+Python實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解》 ――――超人氣暢銷書《演算法圖鑑》姊妹作，機器學習初學

者最佳入門書！――――   人工智慧時代關鍵能力！深度學習深在哪裡？ 強化運算思維，建構邏輯概念，一次弄懂深度學習活用之道！   ★ 精闢剖析深度學習發展史，詳述機器學習的基礎知識！ ★ 完整解說熱門程式語言第一名Python的環境建構和基本語法！ ★ 圖像化示範TensorFlow和Keras的安裝，開發AI必學必讀！ ★ 介紹類神經網路的基本思考方式和程式範例，逐步加深理解！ ★ 說明使用卷積神經網路的影像辨識演算法，進一步強化學習！ ★ 全面了解提升深度學習準確度的演算法，掌握應用的訣竅！   █ 迎接運算時代，紮實學好Deep Learning的要點！   本書以想試著開始使用時下流

行的深度學習之讀者為對象，從理論到實踐進行了統整。書中詳細說明深度學習基礎理論的類神經網路，以及相關的必要數學知識，同時講解程式原始碼，以實際動手操作的方式來幫助理解。   坊間已經有眾多的機器學習與深度學習相關書籍，但類神經網路理論的學習門檻相當高、深度學習應用程式框架入門難度深、不容易掌握進一步應用的要領等等，常令初學者無法看清活用深度學習的探索之路。   本書首先介紹類神經網路的概念，緊接著說明如何使用應用程式框架進行深度學習，讓學習者初步感受這個領域。接下來介紹各種應用，大量運用範例來說明。在此之後，對於想進一步學習理論的讀者，介紹機器學習的學習方式；對於想挑戰進階深度學習應用的讀者，

說明演算法等等。   █ 豐富圖解一目瞭然，「文字辨識」、「影像辨識」、「自然語言處理」實際演練！   本書的目標是幫助讀者了解什麼是深度學習、什麼是AI之後，能夠實際動手實作，期使讀者不致一知半解，不會只是執行範例卻不知接下來能做什麼，而能學會確實地判斷為了何種目的該使用何種應用程式框架，以及實際進行的步驟。   想挑戰AI開發的理工科學生、想更上一層樓的工程師、想了解深度學習基礎理論的人、使用TensorFlow和Keras嘗試實際安裝的人、想弄懂機器學習所需的數學的人，都能從本書平易的解說中學習到必要的知識。   【本書的架構】   ▌第1章：論及深度學習以及其背景的機器學習相關話題，解

析人工智慧（AI）的概念。   ▌第2章：說明Python的環境建構與深度學習所需函式庫的安裝方法，包括在Windows與Mac兩種環境上的說明，解說必需的基礎Python文法。   ▌第3章：藉由能以簡潔的敘述來使用多個函式庫的Keras實作深度學習，同時製作影像辨識的程式來體驗深度學習。進行導入Keras並公開發佈的熱門函式庫TensorFlow、數值運算函式庫與資料繪製函式庫等等的準備。   ▌第4章：解說類神經網路的理論，同時實際試著使用名為MNIST的文字辨識範例程式來加深理解。   ▌第5章：說明使用卷積神經網路的影像辨識演算法。   ▌第6章：介紹提升深度學習準確度的演算法、自然

語言處理等，用於影像辨識以外的範例程式。 ―――― 《Python入門教室：8堂基礎課程+程式範例練習，一次學會Python的原理概念、基本語法、實作應用》 ――――――――超人氣暢銷書《演算法圖鑑》、《深度學習入門教室》系列作――――――――   熱門程式語言第1名，日本暢銷Python學習入門書！ 邊做邊學，實際操作練習，享受程式設計的樂趣！   ★ 全彩圖文解說，給程式設計新手的最佳指南！ ★ 遊戲製作•GUI設計•模組活用，可從網頁下載範例！ ★ 解說書寫格式，詳述顯示文字、數值、空白、縮排的基本規則！ ★ 剖析組成程式的6大元素，逐步建構基本語法並善用函式！ ★ 學習使用

Python顯示視窗的方法，建立圖形介面設計遊戲的外觀！   █  AI時代必學的基礎工具，第一次設計程式就上手！   以往的程式設計，只是輕鬆當成興趣即可開始，但這十年間逐漸變得複雜。「程式設計真有趣！如果能讓更多人開始接觸程式設計就好了！」要感受程式設計的有趣之處，最重要的是能夠立刻動手試試，而且能立即看到結果。   最符合這項要件的，就是近年來熱門程式語言第一名「Python」。   使用Python，只需要輸入指令就能立刻執行。可用來擴充Python、稱為「模組」的功能非常豐富，對於視窗的顯示和製作PDF等，也能以很簡短的程式實現。   本書活用Python這樣的優點，簡單易懂地說明它

的基本語法之後，檢視「製作猜數字遊戲」、「在視窗中移動圓形、矩形和三角形」、「使用PDF製作橫布條」等實際範例，逐步學習。   █  豐富圖解一目瞭然，「匯入方式」、「書寫格式」、「運作處理機制」實際演練！   閱讀本書時，可下載取得範例程式，一邊動手練習，一邊看著實際運作的畫面來學習。   此外，書中利用各式各樣的範例激發好奇心，鼓勵讀者發揮想像力，嘗試改良程式，進一步加深理解。舉例來說，對於影像辨識和人工智慧等等，也能以Python進行程式設計。   本書的目標是希望成為學習者開始進行程式設計的契機，感受程式設計的樂趣，打好紮實的基礎，開啟美好充實的程式設計生活。   █  本書的架構  

▌ 第1章：說明程式的作用，製作程式需要什麼、該學些什麼，精闢列舉正確操作的祕訣。   ▌ 第2章：說明執行Python程式的軟體安裝方法，了解執行指令和避免出現錯誤的基本知識。   ▌ 第3章：說明使用Python撰寫程式須遵守的規定，學習文字、數值、空白的用法等基本規則。   ▌ 第4章：學習程式語言裡的基本功能，整理說明實際應用的部分，藉由將這些功能組合起來，逐步製作出程式。   ▌ 第5章：製作「Hit & Blow」猜數字遊戲，從簡單的地方開始打好基礎，掌握應用的訣竅。   ▌ 第6章：藉由以視窗呈現「Hit & Blow」猜數字遊戲，讓它成為圖形化的成品，更像個遊

戲。   ▌ 第7章：一邊撰寫於畫面上移動圓形的程式，漸進學習「類別」與「物件」的基本知識。   ▌ 第8章：學習使用PDF製作「橫布條」的方法，總複習學習成果，使用擴充模組挑戰實用的程式設計。  

巨量均勻矩形陣列系統之有效混合到達方向估測

為了解決AI 矩形 陣列的問題，作者楊荏貽 這樣論述：

本論文係於具有大規模均勻矩形陣列(uniform rectangular array, URA)的巨量(massive)多輸入多輸出(multi-input multi-output, MIMO)系統處理有效混合二維(two-dimensional, 2D)到達方向(direction-of-arrival, DOA)估測。所提出的混合DOA估測方案首先通過對單筆取樣所形成的接收訊號矩陣執行二維離散傅立葉轉換(2D-discrete Fourier transform, 2D-DFT)，用以獲取初始粗略的DOA估測；然後，透過重新排列接收到的訊號矩陣，就可以在非常小的區域內使用基於雜訊子空間

的迭代搜尋估測器來分離估測精確的水平方位角度及高低俯仰角度，且估測角度的配對可以自動完成。同時，再分別利用對初始估測水平方位角度和高低俯仰角度所建構的導引向量實施一階泰勒級數近似，並分別通過其相對的最小化目標函數來迭代地搜尋正確的導引向量。為了達成計算效率目的，本論文亦結合基於代數計算技術來獲得近似雜訊子空間，但是在相對較低的訊號雜訊比下估測性能稍差。與傳統多重訊號分類(multiple signals classification, MUSIC)估測器相比較，其在大規模均勻矩形陣列(URA)的劇本下可避免直接計算全維度的自相關矩陣、特徵值分解(eigenvalue decomposition

, EVD)和頻譜搜尋，故可以提供較低的計算複雜度。最後，藉由模擬結果驗證所提混合DOA估測方案的有效性。