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
深度學習基礎與應用 版權信息
- ISBN：9787568283731
- 條形碼：9787568283731 ; 978-7-5682-8373-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習基礎與應用 本書特色
本書結合典型的應用案例( 大規模圖像分類、目標檢測、目標跟蹤、行為識別等)，主要介紹各種深度學習模型的具體實現過程。在理論部分，從模型產生的本源出發，給出各經典模型之間的相互內在聯系。在實踐應用部分，對相關任務進行詳盡分析，并給出深度學習應用實踐的經驗總結。
深度學習基礎與應用 內容簡介
本書分四部分介紹深度學習算法模型及相關應用實例。**部分介紹在深度學習中**的一些數學和機器學習的基礎知識。第二部分介紹卷積神經網絡、循環神經網絡、深度強化網絡等經典模型, 并對每種模型從原理、結構、優化等方面進行論述。第三部分介紹深度學習中常用的優化方法及訓練技巧。第四部分結合實踐來介紹深度學習在計算機視覺、模式識別中的應用。
深度學習基礎與應用 目錄
第1章 緒論
1．1 人工智能
1．1．1 什么是人工智能
1．1．2 人工智能的實現途徑
1．1．3 人工智能發展簡史
1．2 深度學習
1．2．1 深度學習發展簡史
1．2．2 深度學習的主要應用
第2章 基礎知識
2．1 線性代數
2．1．1 線性代數基礎
2．1．2 矩陣的秩及矩陣運算
2．1．3 常見特殊矩陣
2．1．4 范數
2．1．5 特征分解
2．1．6 奇異值分解
2．2 概率論
2．2．1 隨機變量
2．2．2 概率分布
2．2．3 隨機變量的數字特征
2．2．4 貝葉斯定理
2．2．5 常用概率分布
2．3 *優化方法
2．3．1 梯度下降法
2．3．2 牛頓法
2．3．3 擬牛頓法
2．4 機器學習
2．4．1 基本概念
2．4．2 *大似然估計
2．4．3 機器學習的三要素
2．4．4 過擬合與欠擬合
2．4．5 學習方式
2．4．6 評估方法
2．4．7 性能度量
2．5 神經網絡
2．5．1 神經元模型
2．5．2 單層感知器
2．5．3 多層感知器
第3章 深度卷積神經網絡
3．1 卷積層和卷積運算
3．1．1 生物機理
3．1．2 卷積運算
3．2 池化層和池化運算
3．3 AlexNet卷積神經網絡
3．3．1 AlexNet的提出背景
3．3．2 AlexNet的網絡結構
3．3．3 AlexNet的訓練細節
3．3．4 AlexNet在分類任務上的表現
3．4 VGG網絡
3．4．1 VGG網絡的提出背景
3．4．2 VGG網絡的結構配置
3．4．3 VGG網絡的訓練細節
3．4．4 VGG網絡在分類任務上的表現
3．5 ResNet卷積神經網絡
3．5．1 ResNet的提出背景
3．5．2 ResNet的網絡結構
3．5．3 ResNet的訓練細節
3．5．4 ResNet在分類任務上的表現
第4章 深度循環神經網絡
4．1 簡單循環網絡
4．1．1 簡單循環網絡的前向傳播過程
4．1．2 簡單循環潮絡的訓練過程
4．1．3 單循環網絡的長期依賴問題
4．2 長短期記憶網絡
4．2．1 門機制
4．2．2 長短期記憶網絡的前向傳播過
4．2．3 長短期記憶網絡的訓練過程
4．2．4 長短期記憶網絡的變體
4．3 神經圖靈機
4．3．1 網絡結構
4．3．2 尋址方式
4．3．3 控制器網絡
4．3．4 小結
4．4 雙向循環網絡和多層循環網絡
4．4．1 雙向循環網絡
4．4．2 多層循環網絡
第5章 深度生成模型
5．1 變分自編碼器
5．1．1 預備知識
5．1．2 解碼器網絡
5．1．3 編碼器網絡
5．1．4 總體模型
5．1．5 訓練過程
5．2 生成對抗網絡
5．2．1 基本思想
5．2．2 理論推導
5．2．3 訓練過程
5．2．4 生成對抗網絡的變體
第6章 深度強化學習
6．1 強化學習定義
6．1．1 目標函數
6．1．2 值函數
6．1．3 Q函數
6．2 強化學習求解方法
6．2．1 動態規劃法
6．2．2 蒙特卡羅法
6．2．3 時序差分學習法
6．3 深度Q網絡
6．4 策略梯度法
……
第7章 深度學習中的優化方法
第8章 深度學習中的訓練技巧
第9章 開源框架
第10章 深度學習在目標檢測中的應用
第11章 深度學習在目標跟蹤中的應用
第12章 深度學習在動作識別中的應用
參考文獻
展開全部
深度學習基礎與應用 作者簡介
武玉偉，北京理工大學特別副研究員，博士生導師。博士畢業于北京理工大學。主要研究方向為計算機視覺、機器學習。在計算機科學國際重要刊物和國際頂級學術會議發表論文30余篇。博士論文獲“2016年中國人工智能學會優秀博士學位論文提名獎”。 裴明濤，北京理工大學計算機學院副教授，博士生導師，主要研究方向為計算機視覺和人工智能。在IEEE TIP、IEEE TMM、PR、CVIU等重要國際刊物和ICCV、AAAI、ICME等重要國際會議上發表學術論文60余篇，獲國家發明專利6項，出版學術專著一部，作為負責人主持國家自然科學基金面上項目與國家973項目子課題等10多項科研項目，獲得省部級科技獎2項。 梁瑋，北京理工大學計算機學院副教授，博士生導師。2005年畢業于北京理工大學計算機學院，獲工學博士學位。2014—2015年在加州大學洛杉磯分校客座研究。主要研究方向為計算機視覺和智能人機交互。作為項目負責人主持國家自然科學基金兩項、北京市自然科學基金一項、“973計劃”子課題一項。在ICCV、IJCAI、AAAI、SIGGRAPH Asia、IEEE VR、TVCG等計算機視覺、人工智能、計算機圖形學以及虛擬現實等多頂級會議上和重要期刊上發表論文40余篇。 吳心筱，北京理工大學副教授，博士生導師。2010年獲得北京理工大學博士學位。主要研究方向為計算機視覺、圖像視頻內容理解。在IJCV、IEEE TIP、IEEE TMM等重要國際刊物和AAAI、ICCV、CVPR、ECCV等頂級國際會議上發表學術論文30余篇。負責國家自然科學基金青年和面上項目、教育部博士點基金等項目。博士論文獲“2012年中國人工智能學會優秀博士學位論文”榮譽。
書友推薦
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經-先民的歌唱
- >
伯納黛特,你要去哪(2021新版)
- >
隨園食單
- >
伊索寓言-世界文學名著典藏-全譯本
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
本類暢銷
