掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
深度學習從入門到實戰 版權信息
- ISBN：9787113244286
- 條形碼：9787113244286 ; 978-7-113-24428-6
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度學習從入門到實戰 本書特色
深度學習：從入門到實戰摒棄了枯燥的理論推導，以大量實戰應用案例及知識模塊等內容幫助機器學習領域的初、中級程序員踏實通過深度學習的技術門檻，切實提升開發技能，積累開發經驗。實戰應用案例豐富，深入淺出地解析深度學習的方法論和深度學習實戰應用是本書的一大特色，全書詳細講述了深度學習中涉及的神經網絡基礎知識、方法論解析與核心技術；同時從12個落地實踐角度闡述了深度學習的實踐應用。此外，本書中所有案例的代碼程序均可以運行，讀者按照相應說明，即可得到預期效果，希望本書的努力可以為讀者在深度學習領域提供一定幫助，這就是我們的動力與追求。
深度學習從入門到實戰 內容簡介
本書摒棄了枯燥的理論推導，以大量實戰應用案例及知識模塊等內容幫助機器學習領域的初、中級程序員踏實通過深度學習的技術門檻，切實提升開發技能，積累開發經驗。 實戰應用案例豐富，深入淺出地解析深度學習的方法論和深度學習實戰應用是本書的一大特色，全書詳細講述了深度學習中涉及的神經網絡基礎知識、方法論解析與核心技術；同時從12個落地實踐角度闡述了深度學習的實踐應用。此外，本書中所有案例的代碼程序均可以運行，讀者按照相應說明，即可得到預期效果，希望本書的努力可以為讀者在深度學習領域提供一定幫助，這就是我們的動力與追求。
深度學習從入門到實戰 目錄
第1篇深度學習入門篇
第0章引言：從人工智能到深度學習
2
0.1 人工智能與機器學習 2
0.1.1
人工智能 3
【知識擴容】大數據帶來的挑戰 4
0.1.2
機器學習 4
【認知提升】細說圖靈測試 5
【新觀點】機器學習適合做什么 6
0.2 機器學習的模式 7
【知識擴容】人工智能學派之爭 8
0.3 深度學習 9
【案例0-1】天氣預報深度神經網絡 9
【認知提升】說文解字“深度學習” 11
【應知應會】深度與學習 12
【*佳實踐】減小損失函數的方法 12
0.4 溫故知新 13
0.5 停下來，思考一下 14
第1章深度學習入門基礎 16
1.1 數學基礎 16
1.1.1
矩陣論基礎 17
【案例1-1】像指揮官一樣對矩陣進行“排兵布陣” 18
1.1.2
概率論基礎與重要結論 19
【應知應會】MATLAB中概率論基本命令 21
1.2 機器學習基礎 21
1.2.1
監督學習 22
【應知應會】數據挖掘與機器學習 22
1.2.2
無監督學習 23
【案例1-2】“無監督學習”中的k-means聚類 24
1.3 神經網絡基礎 26
1.3.1
生物神經網絡 26
【認知提升】探索初級視覺皮層的啟示 26
1.3.2
人工神經網絡與神經元模型 27
【知識擴容】Walter Pitts其人 27
1.4 *優化理論基礎 28
1.4 1
*優化問題 29
1.4.2
多目標優化問題 30
1.4.3
群智能優化方法 31
【案例1-3】指揮“群智能團隊”逐漸逼近問題*優解 32
1.5 溫故知新 35
1.6 停下來，思考一下 36
第2章神經網絡原理與實現 38
2.1 線性問題與感知機 38
2.2 多層前饋神經網絡與BP算法 41
2.2.1
多層前饋神經網絡 41
【案例2-1】具有異或邏輯的感知機 42
2.2.2
多層前饋神經網絡的訓練 43
【案例2-2】訓練前饋神經網絡 47
【應知應會】梯度下降算法 47
2.3 其他神經網絡 48
2.3.1
徑向基函數網絡 48
2.3.2
自組織映射網絡 49
【案例2-3】用SOM網絡聚類Iris數據 49
2.3.3
深度神經網絡 50
2.4 溫故知新 53
2.5 停下來，思考一下 53
第2篇深度學習方法論解析篇
第3章卷積神經網絡（CNN） 58
3.1 卷積神經網絡入門 58
3.1.1
生物機理 59
3.1.2
拓撲結構 61
【知識擴容】圖像處理中的全連接網絡與卷積網絡 63
3.1.3
卷積神經網絡的特點 63
3.2 卷積神經網絡的關鍵技術
64
3.2.1
卷積 65
【案例3-1】利用圖像的卷積操作對6×6的單通道圖像進行瘦身 66
【知識擴容】多通道卷積 67
【案例3-2】構建基本CNN 68
【認知提升】不同角度看“卷積” 68
3.2.2
池化 69
【*佳實踐】小技巧總結 71
【案例3-3】在Keras框架中實現MaxPooling 71
【知識擴容】VGG卷積神經網絡 72
【案例3-4】揭開VGG和GoogLeNet的“廬山真面目” 73
【認知提升】GoogleNet的Inception結構 75
3.2.3
扁平化 75
【案例3-5】實現圖像特征矩陣的扁平化操作 76
3.2.4
關鍵技術小結 76
【新觀點】卷積神經網絡發展方向 77
3.3 綜合案例：三步教你構建手寫字識別神經網絡 78
【應知應會】Adam優化算法 79
【知識擴容】CNN在自然語言處理中的應用 81
3.4 溫故知新 82
3.5 停下來，思考一下 82
第4章生成式對抗網絡（GAN） 84
4.1 生成式對抗網絡基本原理
84
4.1.1
GAN的核心思想 84
【認知提升】GAN與博弈理論 85
4.1.2
GAN數學描述 86
【認知提升】“囚徒困境”博弈模型 86
4.1.3
GAN的網絡結構與核心技術 87
4.1.4
GAN的改進模型 90
【案例4-1】ACGAN基于TensorFlow框架的實現（圖像為64×64單通道數據） 91
【認知提升】博弈理論與多目標優化 98
4.2
GAN應用 99
4.2.1
數據缺失 100
4.2.2
多標簽預測 101
4.2.3
根據環境生成相應數據 102
4.2.4
數據特征表示 103
4.2.5
圖像檢索 104
4.2.6
文本到圖像翻譯 104
4.2.7
醫學方面 105
4.3 綜合案例：動手構建生成式對抗網絡 106
4.3.1
基于MATLAB的GAN 106
4.3.2
基于TensorFlow的GAN 108
4.4 溫故知新 115
4.5 停下來，思考一下 115
第5章循環神經網絡（RNN） 117
5.1 循環神經網絡基本原理
117
5.1.1
問題背景 118
【案例5-1】詞性標注（我學習循環神經網絡） 118
【應知應會】one-hot編碼 119
【認知提升】神經網絡的記憶問題 120
5.1.2
循環神經網絡基本思想 120
【*佳實踐】RNN的梯度爆炸和消失問題 123
5.2
LSTM網絡基本原理 124
5.2.1
LSTM的關鍵技術 124
【知識擴容】遞歸神經網絡（Recursive Neural Network，RNN） 128
5.2.2
LSTM的應用 128
【應知應會】自然語言處理 129
5.3 綜合案例：基于LSTM的語音預測 130
5.3.1
加載數據 130
5.3.2
定義網絡結構 130
5.3.3
網絡訓練及評估 131
【應知應會】深度學習代碼一般結構 132
5.4 綜合案例：基于循環神經網絡的手寫數字識別 132
5.4.1
數據準備及參數設置 132
5.4.2
網絡構建 133
5.4.3
網絡訓練 134
5.5 綜合案例：基于LSTM的自然語言處理 135
5.5.1
數據收集及編碼 135
5.5.2
構建LSTM模型 136
5.5.3
模型訓練 137
5.5 溫故知新 137
5.6 停下來，思考一下 138
第3篇深度學習實戰篇
第6章深度學習主流工具及框架 142
6.1
MATLAB基本語法與深度學習工具箱 142
6.1.1
MATLAB簡介 142
6.1.2
MATLAB安裝 143
6.1.3
MATLAB常用語法 146
6.1.4
基于MATLAB的深度學習工具箱 149
【案例6-1】基于MATLAB的AlexNet模型初探 151
【案例6-2】用安裝好的深度學習工具箱中的卷積神經網絡做mnist
手寫數字識別，來驗證工具箱的有效性 152
6.2
Python基本語法、庫與開發工具 153
6.2.1
Python簡介 153
6.2.2
Python安裝 153
6.2.3
Python常用語法 155
【應知應會】Python常見錯誤提示及原因 156
6.2.4
常用Python庫 157
6.2.5
常用Python開發工具 161
【知識擴容】PyCharm常用快捷鍵 162
【案例6-3】Python送你圣誕帽 163
6.3
Caffe框架及環境搭建 165
6.3.1
Caffe簡介 165
6.3.2
Caffe環境搭建 166
【案例6-4】手寫體數字識別 167
6.4
TensorFlow框架及環境搭建 167
6.4.1
TensorFlow簡介 167
6.4.2
TensorFlow與Keras框架的關系 168
6.4.3
Windows 10上TensorFlow的環境搭建 169
6.5 其他常用框架 177
6.5.1
微軟CNTK 177
6.5.2
MXNet 178
6.5.3
Torch 178
6.5.4
Theano 179
6.6 溫故知新 180
6.7 停下來，思考一下 180
第7章 AlexNet關鍵技術與實戰 182
7.1 剖析AlexNet網絡結構 182
【知識擴容】ImageNet與李飛飛 186
7.2
AlexNet關鍵技術 187
7.2.1
ReLU激活函數 187
7.2.2
標準化 187
【應知應會】激活函數的“飽和”與“不飽和” 188
【認知提升】馬太效應、二八定律、長尾理論 188
7.2.3
Dropout 189
7.2.4
多GPU 190
【應知應會】CUDA 190
7.3
AlexNet與LeNet對比 191
7.4
CNN通用架構 191
7.5 綜合案例：基于AlexNet的深度學習實戰 192
7.5.1
靜態圖像分類 192
7.5.2
用AlexNet做特征提取（feature extraction） 194
7.5.3
用AlexNet做遷移學習 197
7.5.4
卷積神經網絡的特征可視化 200
7.6 溫故知新 209
7.7 停下來，思考一下 210
第8章將手寫體識別進行到底 211
8.1 手寫體識別“江湖地位”
211
8.2 手寫數字識別 212
8.2.1
手寫數字的無監督學習 213
【應知應會】稀疏表示 213
【應知應會】無監督學習中的自動編碼器 219
8.2.2
手寫數字的全連接神經網絡識別 219
【應知應會】softmax函數介紹 220
【認知提升】熵 220
8.2.3
手寫數字的卷積神經網絡識別 221
8.3 手寫漢字識別 229
8.3.1
數據讀取及預處理 229
【*佳實踐】數據讀取 231
8.3.2
卷積神經網絡構建 231
8.3.3
網絡模型訓練及結果可視化 233
8.4 綜合案例：手寫數字旋轉角度識別 234
8.4.1
數據載入 235
8.4.2
網絡構建 235
8.4.3
網絡訓練 236
8.4.4
測試預測精度 236
8.4.5
殘差展示 237
8.4.6
偏轉角度矯正及可視化 237
8.5 溫故知新 238
8.6 停下來，思考一下 239
第9章基于深度學習的視頻檢測 240
9.1 人物監控視頻問題研究意義及現狀 240
9.1.1
研究意義 240
9.1.2
國內外研究現狀 242
9.2 研究情況介紹 244
9.2.1
研究內容 244
9.2.2
研究目標及關鍵科學問題 244
【案例9-1】基于Python庫的人臉識別 245
9.3 綜合案例：基于深度學習的人臉視頻檢測 247
9.3.1
環境準備 247
9.3.2
數據處理 248
9.3.3
模型訓練 250
9.3.4
監控代碼 255
9.4 綜合案例：基于深度學習的物體視頻檢測 256
9.4.1
AlexNet回顧 256
9.4.2
入門版 257
9.4.3
初級版 258
9.4.4
加強版 259
9.4.5
升級版 260
9.4.6
豪華版 261
【案例9-2】讓手機當網絡攝像頭 262
9.5 溫故知新 262
9.6 停下來，思考一下 263
第10章基于深度學習的信息隱藏 264
10.1
數字圖像隱寫分析研究現狀及意義 264
10.1.1
研究意義 267
10.1.2
研究現狀 268
10.1.3
潛在的應用 268
10.2
數字圖像隱寫分析概述 270
【案例10-1】基于四叉樹編碼的空間域高保真可逆信息隱藏 271
10.3
基于ACGAN的無載體信息隱藏 272
10.3.1
生成式對抗網絡回顧 272
【應知應會】零和博弈 272
10.3.2
基于ACGAN的信息隱藏關鍵技術 274
10.4
綜合案例：ACGAN信息隱藏實戰 276
10.4.1
方案概述 276
【認知提升】可逆信息隱藏 277
10.4.2
隱藏算法與提取算法的實現 278
10.4.3
性能分析 286
10.4.3
可靠性 287
10.4.4
安全性 287
10.5
溫故知新 288
1
展開全部
深度學習從入門到實戰 作者簡介
高志強，軍隊指揮學武警信息化研究方向博士，畢業于中國人民武裝警察部隊工程大學，武警部隊首屆軍事大數據工程專業籌備組成員。作為骨干成員參與研制多項武警部隊信息化裝備及平臺系統，參與國家自然科學基金2項、陜西省自然科學基金1項。主要研究方向：深度學習、大數據與智能計算、面向大數據開放與治理的差分隱私保護數據發布關鍵技術研究及應用、粒子群優化算法等。
黃劍，現為武警工程大學教員，技術十一級，少校警銜，主要研究領域包括，武警信息化，軍隊指揮學，軍事智能系統。 李永，男，博士，碩士生導師，武警工程大學計算機基礎教研室副主任。2011年12 月獲國防科大計算機科學與技術博士學位。中國計算機學會會員。研究領域為機器學習，模式識別、圖像處理和國產自主可控軟件應用。長期從事《程序設計基礎》、《高級人工智能》、《計算機邏輯學》、《數據庫基礎》等計算機領域教學工作，發表論文20 余篇。曾獲武警部隊科技進步一等獎和軍隊教學成果三等獎。 劉明明，男，碩士學歷，武警工程大學教員。研究方向為信息隱藏，深度學習。
書友推薦
- >
史學評論
- >
莉莉和章魚
- >
山海經
- >
經典常談
- >
回憶愛瑪儂
- >
小考拉的故事-套裝共3冊
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
