掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥54.8
加入購(gòu)物車
深入淺出人工神經(jīng)網(wǎng)絡(luò) 版權(quán)信息
- ISBN：9787115506665
- 條形碼：9787115506665 ; 978-7-115-50666-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深入淺出人工神經(jīng)網(wǎng)絡(luò) 本書特色
作為一本講解人工神經(jīng)網(wǎng)絡(luò)原理的圖書，《深入淺出人工神經(jīng)網(wǎng)絡(luò)》旨在讓讀者在短的時(shí)間內(nèi)對(duì)這些原理知識(shí)有一個(gè)清晰明了的認(rèn)識(shí)和理解。 《深入淺出人工神經(jīng)網(wǎng)絡(luò)》總共分為3部分，總計(jì)9章。第1部分講解了人工神經(jīng)網(wǎng)絡(luò)的源頭—生物神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，第2部分講解了學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)知識(shí)，第3部分講解了幾種常見而典型的人工神經(jīng)網(wǎng)絡(luò)模型，比如感知器、多層感知器、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。 《深入淺出人工神經(jīng)網(wǎng)絡(luò)》寫作風(fēng)格簡(jiǎn)潔明快，深入淺出，特別適合對(duì)人工神經(jīng)網(wǎng)絡(luò)/人工智能感興趣的入門級(jí)讀者。本書只聚焦原理性知識(shí)的講解，不涉及編程實(shí)現(xiàn)，即使對(duì)程序編碼尚不熟悉的讀者也可以輕松閱讀理解。本書還可用作高等院校以及相關(guān)培訓(xùn)機(jī)構(gòu)的教學(xué)或參考用書。
深入淺出人工神經(jīng)網(wǎng)絡(luò) 內(nèi)容簡(jiǎn)介
作為一本講解人工神經(jīng)網(wǎng)絡(luò)原理的圖書，《深入淺出人工神經(jīng)網(wǎng)絡(luò)》旨在讓讀者在短的時(shí)間內(nèi)對(duì)這些原理知識(shí)有一個(gè)清晰明了的認(rèn)識(shí)和理解。 《深入淺出人工神經(jīng)網(wǎng)絡(luò)》總共分為3部分，總計(jì)9章。部分講解了人工神經(jīng)網(wǎng)絡(luò)的源頭—生物神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，第2部分講解了學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)知識(shí)，第3部分講解了幾種常見而典型的人工神經(jīng)網(wǎng)絡(luò)模型，比如感知器、多層感知器、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。 《深入淺出人工神經(jīng)網(wǎng)絡(luò)》寫作風(fēng)格簡(jiǎn)潔明快，深入淺出，特別適合對(duì)人工神經(jīng)網(wǎng)絡(luò)/人工智能感興趣的入門級(jí)讀者。本書只聚焦原理性知識(shí)的講解，不涉及編程實(shí)現(xiàn)，即使對(duì)程序編碼尚不熟悉的讀者也可以輕松閱讀理解。本書還可用作高等院校以及相關(guān)培訓(xùn)機(jī)構(gòu)的教學(xué)或參考用書。
深入淺出人工神經(jīng)網(wǎng)絡(luò) 目錄
第 1章 背景知識(shí) 1
1.1 什么是智能 / 1
1.2 大腦與神經(jīng)元 / 2
1.3 關(guān)于人工智能/機(jī)器學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)/深度學(xué)習(xí) / 7
第 2章 函數(shù) 10
2.1 函數(shù)的極限 / 10
2.2 函數(shù)的連續(xù)性 / 13
2.3 導(dǎo)數(shù) / 14
2.4 凹凸性與拐點(diǎn) / 21
2.5 極值與駐點(diǎn) / 23
2.6 曲率 / 25
2.7 二元函數(shù) / 27
第3章 梯度 34
3.1 矢量的概念 / 34
3.2 矢量的運(yùn)算 / 35
3.3 矢量與坐標(biāo) / 37
3.4 方向角與方向余弦 / 39
3.5 矢量的數(shù)量積 / 40
3.6 函數(shù)的梯度 / 42
第4章 矩陣 50
4.1 矩陣的概念及運(yùn)算 / 50
4.2 矩陣的初等變換 / 54
4.3 矢量的矩陣表示法 / 57
4.4 矩陣的秩 / 58
4.5 矩陣的逆 / 63
4.6 從標(biāo)量函數(shù)到矩陣函數(shù) / 69
第5章 MCP模型及感知器（Perceptron） 80
5.1 MCP模型 / 80
5.2 模式識(shí)別初探 / 84
5.3 感知器 / 88
5.4 凸集與單層感知器 / 94
5.5 XOR問題 / 98
第6章 多層感知器（MLP） 100
6.1 縱向串接 / 100
6.2 MLP的基本架構(gòu) / 102
6.3 BP算法 / 108
6.4 梯度下降法 / 120
6.5 極小值問題 / 121
6.6 學(xué)習(xí)率 / 123
6.7 批量訓(xùn)練 / 125
6.8 欠擬合與過擬合 / 127
6.9 容量 / 128
6.10 拓?fù)?/ 130
6.11 收斂曲線 / 132
6.12 訓(xùn)練樣本集 / 133
6.13 權(quán)值連接方式 / 135
第7章 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN） 137
7.1 插值的概念 / 137
7.2 RBF / 141
7.3 從精確插值到RBFNN / 148
7.4 Cover定理 / 151
7.5 空間分割問題 / 154
7.6 訓(xùn)練策略 / 156
第8章 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 157
8.1 卷積運(yùn)算與相關(guān)運(yùn)算 / 157
8.2 卷積核與特征映射圖 / 188
8.3 CNN的一般結(jié)構(gòu) / 195
8.4 三種思想 / 207
8.5 邊界策略 / 209
8.6 池化 / 211
8.7 CNN網(wǎng)絡(luò)實(shí)例 / 214
8.8 Hubel-Wiesel實(shí)驗(yàn) / 225
第9章 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 228
9.1 N-Gram模型 / 228
9.2 RNN示例 / 232
9.3 單向RNN / 237
9.4 BPTT算法 / 240
9.5 填空問題 / 255
9.6 雙向RNN / 263
9.7 梯度爆炸與梯度消失 / 265
9.8 LSTM / 269
結(jié)束語 278
1.1 什么是智能 / 1
1.2 大腦與神經(jīng)元 / 2
1.3 關(guān)于人工智能/機(jī)器學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)/深度學(xué)習(xí) / 7
第 2章 函數(shù) 10
2.1 函數(shù)的極限 / 10
2.2 函數(shù)的連續(xù)性 / 13
2.3 導(dǎo)數(shù) / 14
2.4 凹凸性與拐點(diǎn) / 21
2.5 極值與駐點(diǎn) / 23
2.6 曲率 / 25
2.7 二元函數(shù) / 27
第3章 梯度 34
3.1 矢量的概念 / 34
3.2 矢量的運(yùn)算 / 35
3.3 矢量與坐標(biāo) / 37
3.4 方向角與方向余弦 / 39
3.5 矢量的數(shù)量積 / 40
3.6 函數(shù)的梯度 / 42
第4章 矩陣 50
4.1 矩陣的概念及運(yùn)算 / 50
4.2 矩陣的初等變換 / 54
4.3 矢量的矩陣表示法 / 57
4.4 矩陣的秩 / 58
4.5 矩陣的逆 / 63
4.6 從標(biāo)量函數(shù)到矩陣函數(shù) / 69
第5章 MCP模型及感知器（Perceptron） 80
5.1 MCP模型 / 80
5.2 模式識(shí)別初探 / 84
5.3 感知器 / 88
5.4 凸集與單層感知器 / 94
5.5 XOR問題 / 98
第6章 多層感知器（MLP） 100
6.1 縱向串接 / 100
6.2 MLP的基本架構(gòu) / 102
6.3 BP算法 / 108
6.4 梯度下降法 / 120
6.5 極小值問題 / 121
6.6 學(xué)習(xí)率 / 123
6.7 批量訓(xùn)練 / 125
6.8 欠擬合與過擬合 / 127
6.9 容量 / 128
6.10 拓?fù)?/ 130
6.11 收斂曲線 / 132
6.12 訓(xùn)練樣本集 / 133
6.13 權(quán)值連接方式 / 135
第7章 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN） 137
7.1 插值的概念 / 137
7.2 RBF / 141
7.3 從精確插值到RBFNN / 148
7.4 Cover定理 / 151
7.5 空間分割問題 / 154
7.6 訓(xùn)練策略 / 156
第8章 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 157
8.1 卷積運(yùn)算與相關(guān)運(yùn)算 / 157
8.2 卷積核與特征映射圖 / 188
8.3 CNN的一般結(jié)構(gòu) / 195
8.4 三種思想 / 207
8.5 邊界策略 / 209
8.6 池化 / 211
8.7 CNN網(wǎng)絡(luò)實(shí)例 / 214
8.8 Hubel-Wiesel實(shí)驗(yàn) / 225
第9章 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 228
9.1 N-Gram模型 / 228
9.2 RNN示例 / 232
9.3 單向RNN / 237
9.4 BPTT算法 / 240
9.5 填空問題 / 255
9.6 雙向RNN / 263
9.7 梯度爆炸與梯度消失 / 265
9.8 LSTM / 269
結(jié)束語 278
展開全部
深入淺出人工神經(jīng)網(wǎng)絡(luò) 作者簡(jiǎn)介
江永紅博士，生于1965年，1981~1985年就讀于四川大學(xué)無線電電子學(xué)專業(yè)，獲學(xué)士學(xué)位；1985~1988年就讀于中國(guó)空間技術(shù)研究院通信與電子系統(tǒng)專業(yè)，獲碩士學(xué)位；1988~1992年就讀于西安電子科技大學(xué)通信與電子系統(tǒng)專業(yè)，獲博士學(xué)位，主要研究人工神經(jīng)網(wǎng)絡(luò)在模糊控制系統(tǒng)中的應(yīng)用；1992~1995年于華南理工大學(xué)進(jìn)行博士后研究工作，其間申請(qǐng)并主持了國(guó)家自然科學(xué)基金項(xiàng)目“基于神經(jīng)網(wǎng)絡(luò)的譜估計(jì)方法”。 20世紀(jì)90年代中后期，江永紅博士于新西蘭梅西大學(xué)開設(shè)并講授人工神經(jīng)網(wǎng)絡(luò)課程。20世紀(jì)90年代末期，入職華為技術(shù)有限公司，長(zhǎng)期從事技術(shù)研發(fā)及培訓(xùn)工作，曾擔(dān)任華為HCIE面試主考官，以及華為ICT技術(shù)認(rèn)證系列書籍的審稿人。 在他編寫的《HCNA網(wǎng)絡(luò)技術(shù)學(xué)習(xí)指南》一書中，華為全球培訓(xùn)與認(rèn)證部部長(zhǎng)這樣評(píng)價(jià)：“江永紅博士在華為工作近20年，現(xiàn)為華為技術(shù)專家，且之前于國(guó)內(nèi)外高校從事過多年的教學(xué)工作，對(duì)于知識(shí)的學(xué)習(xí)及傳授方法有著深刻的領(lǐng)悟……” 江永紅博士目前為YESLAB講師，專門致力于人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)原理及應(yīng)用的教學(xué)活動(dòng)和知識(shí)普及工作。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
月亮虎
- >
伯納黛特,你要去哪(2021新版)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
莉莉和章魚
- >
【精裝繪本】畫給孩子的中國(guó)神話
- >
回憶愛瑪儂
本類暢銷
