掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計(jì)算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 版權(quán)信息
- ISBN：9787512426665
- 條形碼：9787512426665 ; 978-7-5124-2666-5
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 本書特色
深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見。但往往是理論連篇，并不適合開發(fā)者具體使用，本書內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開發(fā)者在學(xué)習(xí)這個(gè)人工智能的過程中不那么痛苦,同時(shí)也希望用本書中具體的開發(fā)實(shí)例講解能夠幫助開發(fā)者避免困惑。本書主要考慮了兩類讀者。*類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開發(fā)的讀者，書中的示例代碼將更加有助于進(jìn)一步理解本書所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。本書共包含6章內(nèi)容,可以分為3個(gè)主題。書中例子均用MATLAB編寫而成。
第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開始講起,隨后是解決問題的策略和機(jī)器學(xué)習(xí)的基本局限性。深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見。但往往是理論連篇，并不適合開發(fā)者具體使用，本書內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開發(fā)者在學(xué)習(xí)這個(gè)人工智能的過程中不那么痛苦,同時(shí)也希望用本書中具體的開發(fā)實(shí)例講解能夠幫助開發(fā)者避免困惑。本書主要考慮了兩類讀者。*類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開發(fā)的讀者，書中的示例代碼將更加有助于進(jìn)一步理解本書所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。本書共包含6章內(nèi)容,可以分為3個(gè)主題。書中例子均用MATLAB編寫而成。
第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開始講起,隨后是解決問題的策略和機(jī)器學(xué)習(xí)的基本局限性。
第2個(gè)主題是人工神經(jīng)網(wǎng)絡(luò)這是第2~4章的重點(diǎn)內(nèi)容。由于深度學(xué)習(xí)就是采用一種神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),所以不能將神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)分開。第2章從神經(jīng)網(wǎng)絡(luò)的基本概念講起:它的工作原理、體系結(jié)構(gòu)和學(xué)習(xí)規(guī)則,也講到了神經(jīng)網(wǎng)絡(luò)由簡單的單層結(jié)構(gòu)演化為復(fù)雜的多層結(jié)構(gòu)的原因。第3章介紹了反向傳播算法,它是神經(jīng)網(wǎng)絡(luò)中一種重要和典型的學(xué)習(xí)規(guī)則,深度學(xué)習(xí)也使用這種算法。本章解釋了代價(jià)函數(shù)和學(xué)習(xí)規(guī)則是如何聯(lián)系起來的,哪一種代價(jià)函數(shù)在深度學(xué)習(xí)中被廣泛使用。第4章介紹了將神經(jīng)網(wǎng)絡(luò)應(yīng)用到分類問題中的方法。其中單列一節(jié)專門講分類,因?yàn)樗悄壳?流行的一種深度學(xué)習(xí)應(yīng)用。例如圖像識別是一個(gè)分類問題,也是深度學(xué)習(xí)的一種主要應(yīng)用。
第3個(gè)主題是深度學(xué)習(xí),也是本書的重點(diǎn),將在第5章和第6章中講解。第5章介紹了使深度學(xué)習(xí)能夠產(chǎn)生卓越性能的驅(qū)動因素。第6章講解了卷積神經(jīng)網(wǎng)絡(luò),本章首先介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu),并與前面的圖像識別算法進(jìn)行了比較;隨后解釋了卷積層和池化層的作用和運(yùn)算方法,它們是卷積神經(jīng)網(wǎng)絡(luò)的重要組成部分。第6章也包含了一個(gè)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識別的例子,并研究了圖像通過各層的演化過程。
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 內(nèi)容簡介
深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見。但往往是理論連篇，并不適合開發(fā)者具體使用，本書內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開發(fā)者在學(xué)習(xí)這個(gè)人工智能的過程中不那么痛苦,同時(shí)也希望用本書中具體的開發(fā)實(shí)例講解能夠幫助開發(fā)者避免困惑。本書主要考慮了兩類讀者。**類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開發(fā)的讀者，書中的示例代碼將更加有助于進(jìn)一步理解本書所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。 本書共包含6章內(nèi)容,可以分為3個(gè)主題。書中例子均用MATLAB編寫而成。 第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開始講起,隨后是解決問題的策略和機(jī)器學(xué)習(xí)的基本局限性。 第2個(gè)主題是人工神經(jīng)網(wǎng)絡(luò)這是第2~4章的重點(diǎn)內(nèi)容。由于深度學(xué)習(xí)就是采用一種神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),所以不能將神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)分開。第2章從神經(jīng)網(wǎng)絡(luò)的基本概念講起:它的工作原理、體系結(jié)構(gòu)和學(xué)習(xí)規(guī)則,也講到了神經(jīng)網(wǎng)絡(luò)由簡單的單層結(jié)構(gòu)演化為復(fù)雜的多層結(jié)構(gòu)的原因。第3章介紹了反向傳播算法,它是神經(jīng)網(wǎng)絡(luò)中一種重要和典型的學(xué)習(xí)規(guī)則,深度學(xué)習(xí)也使用這種算法。本章解釋了代價(jià)函數(shù)和學(xué)習(xí)規(guī)則是如何聯(lián)系起來的,哪一種代價(jià)函數(shù)在深度學(xué)習(xí)中被廣泛使用。第4章介紹了將神經(jīng)網(wǎng)絡(luò)應(yīng)用到分類問題中的方法。其中單列一節(jié)專門講分類,因?yàn)樗悄壳?流行的一種深度學(xué)習(xí)應(yīng)用。例如圖像識別是一個(gè)分類問題,也是深度學(xué)習(xí)的一種主要應(yīng)用。 第3個(gè)主題是深度學(xué)習(xí),也是本書的重點(diǎn),將在第5章和第6章中講解。第5章介紹了使深度學(xué)習(xí)能夠產(chǎn)生卓越性能的驅(qū)動因素。第6章講解了卷積神經(jīng)網(wǎng)絡(luò),本章首先介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu),并與前面的圖像識別算法進(jìn)行了比較;隨后解釋了卷積層和池化層的作用和運(yùn)算方法,它們是卷積神經(jīng)網(wǎng)絡(luò)的重要組成部分。第6章也包含了一個(gè)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識別的例子,并研究了圖像通過各層的演化過程。
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 目錄
第1章 機(jī)器學(xué)習(xí)
1.1 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
1.2 什么是機(jī)器學(xué)習(xí)
1.3 機(jī)器學(xué)習(xí)的挑戰(zhàn)
1.4 過擬合
1.5 直面過擬合
1.6 機(jī)器學(xué)習(xí)的類型
1.7 分類和回歸
1.8 總 結(jié)
第2章 神經(jīng)網(wǎng)絡(luò)
2.1 概 述
2.2 神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)
2.3 多層神經(jīng)網(wǎng)絡(luò)
2.4 神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)
2.5 單層神經(jīng)網(wǎng)絡(luò)訓(xùn)練:增量規(guī)則
2.6 廣義增量規(guī)則
2.7 隨機(jī)梯度下降算法、批量算法和小批量算法
2.7.1 隨機(jī)梯度下降算法
2.7.2 批量算法
2.7.3 小批量算法
2.8 示例:增量規(guī)則
2.8.1 隨機(jī)梯度下降算法的實(shí)現(xiàn)
2.8.2 批量算法的實(shí)現(xiàn)
2.8.3 隨機(jī)梯度下降算法與批量算法的比較
2.9 單層神經(jīng)網(wǎng)絡(luò)的局限性
2.10 總 結(jié)
第3章 訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)
3.1 概 述
3.2 反向傳播算法
3.3 示 例
3.3.1 XOR問題
3.3.2 動量法(Momentum)
3.4 代價(jià)函數(shù)和學(xué)習(xí)規(guī)則
3.5 示 例
3.5.1 交叉熵函數(shù)
3.5.2 代價(jià)函數(shù)的比較
3.6 總 結(jié)
第4章 神經(jīng)網(wǎng)絡(luò)及其分類
4.1 概 述
4.2 二分類
4.3 多分類
4.4 示例:多分類
4.5 總 結(jié)
第5章 深度學(xué)習(xí)
5.1 概 述
5.2 深度神經(jīng)網(wǎng)絡(luò)的進(jìn)化
5.2.1 梯度消失
5.2.2 過擬合
5.2.3 計(jì)算量的增加
5.3 示 例
5.3.1 ReLU 函數(shù)
5.3.2 節(jié)點(diǎn)丟棄
5.4 總 結(jié)
第6章 卷積神經(jīng)網(wǎng)絡(luò)
6.1 概 述
6.2 卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)
6.3 卷積層
6.4 池化層
6.5 示例:MNIST
6.6 總 結(jié)
索 引
展開全部
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 作者簡介
作者簡介： Phil Kim，博士，從事無人駕駛飛機(jī)自主飛行算法和機(jī)載軟件的開發(fā)和研制工作。同時(shí)，他作為一名經(jīng)驗(yàn)豐富的MATLAB程序員，一直致力于使用MATLAB進(jìn)行人工智能、深度學(xué)習(xí)的大數(shù)據(jù)集繪制和分析算法的研究，先后在美國出版了MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples 等書籍，在人工智能和MATLAB領(lǐng)域享有較高聲譽(yù)。 譯者簡介： 鄒偉，副研究員，北京睿客邦科技有限公司CEO，并成立了中科院鄒博人工智能研究中心（杭州站）等產(chǎn)研機(jī)構(gòu)；研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算幾何等領(lǐng)域，研究成果已成功應(yīng)用于大型氣象設(shè)備的圖像與文本挖掘、金融產(chǎn)品AI化、股票交易與預(yù)測、高速公路流量預(yù)測和分析、傳統(tǒng)農(nóng)資產(chǎn)品價(jià)格預(yù)測和決策等領(lǐng)域；獲得發(fā)明專利4項(xiàng)，著作權(quán)3個(gè)。
書友推薦
- >
我從未如此眷戀人間
- >
姑媽的寶刀
- >
月亮虎
- >
經(jīng)典常談
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
回憶愛瑪儂
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
本類暢銷
