掃一掃
關(guān)注中圖網(wǎng)
官方微博
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)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(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥48.0
加入購(gòu)物車(chē)
深度學(xué)習(xí)原理與應(yīng)用 版權(quán)信息
- ISBN：9787121404214
- 條形碼：9787121404214 ; 978-7-121-40421-4
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
深度學(xué)習(xí)原理與應(yīng)用 本書(shū)特色
本書(shū)涵蓋了大量深度學(xué)習(xí)的技術(shù)細(xì)節(jié)，適用于不同層次的讀者。
深度學(xué)習(xí)原理與應(yīng)用 內(nèi)容簡(jiǎn)介
本書(shū)系統(tǒng)性地介紹了深度學(xué)習(xí)的原理、關(guān)鍵技術(shù)及相關(guān)應(yīng)用，首先從基本概念、**的線性代數(shù)、微積分、概率統(tǒng)計(jì)等數(shù)學(xué)知識(shí)等入手，這些預(yù)備知識(shí)可幫助讀者更好地理解深度學(xué)習(xí)技術(shù)。接著對(duì)深度學(xué)習(xí)方法和技術(shù)進(jìn)行了詳細(xì)介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等，針對(duì)每個(gè)技術(shù)都力圖用簡(jiǎn)單易懂的語(yǔ)言、詳盡的公式推導(dǎo)說(shuō)明和生動(dòng)的圖形展示知識(shí)點(diǎn)，并附上應(yīng)用樣例，便于讀者將概念、原理、公式和應(yīng)用融會(huì)貫通。本書(shū)還考慮到初學(xué)者盡快入門(mén)的需求，對(duì)深度學(xué)習(xí)開(kāi)發(fā)工具和處理技巧進(jìn)行了細(xì)致的梳理和總結(jié)。*后本書(shū)對(duì)深度學(xué)習(xí)應(yīng)用前景、發(fā)展趨勢(shì)、未來(lái)研究趨勢(shì)等進(jìn)行了分析，具有一定前瞻性。本書(shū)涵蓋了大量深度學(xué)習(xí)的技術(shù)細(xì)節(jié)，適用于不同層次的讀者。
深度學(xué)習(xí)原理與應(yīng)用 目錄
目 錄
第1章 深度學(xué)習(xí)概述 1
1．1 什么是深度學(xué)習(xí) 1
1．2 為什么會(huì)出現(xiàn)深度學(xué)習(xí) 6
1．3 深度學(xué)習(xí)方法的分類 8
1．4 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展簡(jiǎn)史 9
思考題 15
第2章 **的數(shù)學(xué)知識(shí) 16
2．1 線性代數(shù) 16
2．1．1 矩陣 16
2．1．2 向量 21
2．2 微積分 22
2．2．1 微分 22
2．2．2 積分 26
2．3 概率統(tǒng)計(jì) 27
2．3．1 隨機(jī)事件 27
2．3．2 概率的定義 28
2．3．3 條件概率和貝葉斯公式 28
2．3．4 常用概率模型 29
2．3．5 隨機(jī)變量與概率分布 30
2．3．6 隨機(jī)變量的數(shù)字特征 31
2．3．7 典型的概率分布 33
2．3．8 統(tǒng)計(jì)與概率 36
2．3．9 樣本與總體 37
2．3．10 統(tǒng)計(jì)量與抽樣分布 37
2．3．11 參數(shù)估計(jì) 38
第3章 神經(jīng)網(wǎng)絡(luò) 40
3．1 生物神經(jīng)元 40
3．2 M-P模型 41
3．3 前饋神經(jīng)網(wǎng)絡(luò) 42
3．4 感知器 43
3．4．1 單層感知器 43
3．4．2 多層感知器 45
3．5 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 46
3．5．1 數(shù)據(jù)驅(qū)動(dòng) 46
3．5．2 損失函數(shù) 47
3．5．3 激活函數(shù) 50
3．5．4 似然函數(shù) 55
3．5．5 梯度與梯度下降法 58
3．5．6 學(xué)習(xí)率 61
3．5．7 學(xué)習(xí)規(guī)則 62
3．6 誤差反向傳播算法 63
3．7 隨機(jī)梯度下降法 69
3．8 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的基本步驟 70
思考題 71
第4章 卷積神經(jīng)網(wǎng)絡(luò) 72
4．1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 72
4．2 輸入層 76
4．3 卷積層 76
4．4 池化層 82
4．5 全連接層 84
4．6 輸出層 84
4．7 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法 85
4．8 卷積神經(jīng)網(wǎng)絡(luò)的可視化 88
4．8．1 特征圖可視化 88
4．8．2 卷積核可視化 94
4．8．3 類激活圖可視化 97
4．8．4 可視化工具（Deep Visualization Toolbox） 98
4．9 典型的卷積神經(jīng)網(wǎng)絡(luò) 99
4．9．1 LeNet神經(jīng)網(wǎng)絡(luò) 99
4．9．2 AlexNet 103
4．9．3 VGGNet 104
4．9．4 GoogLeNet 106
4．9．5 ResNet 108
4．9．6 基于AlexNet的人臉識(shí)別 108
思考題 118
第5章 反饋神經(jīng)網(wǎng)絡(luò) 119
5．1 Hopfield神經(jīng)網(wǎng)絡(luò) 119
5．2 離散型Hopfield神經(jīng)網(wǎng)絡(luò) 121
5．2．1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 121
5．2．2 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)變化規(guī)律 122
5．2．3 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)判別函數(shù) 123
5．2．4 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶 126
5．2．5 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的模式識(shí)別例子 127
5．2．6 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的權(quán)重設(shè)置 128
5．2．7 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的不足 130
5．3 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò) 131
5．3．1 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其穩(wěn)定性分析 131
5．3．2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)解決旅行商問(wèn)題 133
5．4 玻爾茲曼機(jī) 135
5．3 受限玻爾茲曼機(jī) 141
5．4 對(duì)比散度算法 146
5．5 深度信念網(wǎng)絡(luò) 148
思考題 150
第6章 自編碼器 151
6．1 自編碼器 151
6．2 降噪自編碼器 153
6．3 稀疏自編碼器 155
6．4 棧式自編碼器 156
6．5 變分自編碼器 158
思考題 161
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò) 162
7．1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述 162
7．2 隱馬爾可夫鏈 163
7．3 循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu) 164
7．4 LSTM 166
7．4．1 基于LSTM預(yù)測(cè)彩票 170
7．4．2 基于LSTM生成古詩(shī)詞 180
思考題 188
第8章 生成對(duì)抗網(wǎng)絡(luò) 189
8．1 生成對(duì)抗網(wǎng)絡(luò)概述 189
8．2 生成對(duì)抗網(wǎng)絡(luò) 190
8．3 條件生成對(duì)抗網(wǎng)絡(luò) 193
8．4 深度對(duì)抗生成網(wǎng)絡(luò) 195
8．5 基于DCGAN生成人臉圖片 196
8．5．1 準(zhǔn)備數(shù)據(jù)集 196
8．5．2 構(gòu)建模型 197
思考題 204
第9章 學(xué)習(xí)有關(guān)的處理技巧 205
9．1 訓(xùn)練樣本 205
9．2 數(shù)據(jù)預(yù)處理 206
9．3 Dropout與DropConnect 209
9．4 正則化 212
9．5 權(quán)重的初值設(shè)置 213
思考題 214
第10章 深度學(xué)習(xí)開(kāi)發(fā)工具 215
10．1 TensorFlow 215
10．1．1 安裝TensorFlow 216
10．1．2 TensorFlow運(yùn)行環(huán)境 217
10．1．3 TensorFlow基本要素 218
10．1．4 TensorFlow運(yùn)行原理 219
10．1．5 TensorFlow編程識(shí)別手寫(xiě)數(shù)字實(shí)例 221
10．1．6 TensorBoard可視化工具 225
10．2 Caffe 226
10．2．1 Caffe的安裝 228
10．2．2 Caffe的應(yīng)用實(shí)例 231
思考題 232
第11章 自動(dòng)化機(jī)器學(xué)習(xí) 233
11．1 AutoML簡(jiǎn)介 234
11．2 AutoML與傳統(tǒng)方法的對(duì)比 234
11．3 現(xiàn)有AutoML平臺(tái)產(chǎn)品 235
11．3．1 谷歌Cloud AutoML 235
11．3．2 百度EasyDL 235
11．3．3 阿里云PAI 238
第12章 深度學(xué)習(xí)的未來(lái) 242
12．1 物體識(shí)別 242
12．2 物體檢測(cè) 243
12．3 圖像分割 251
12．4 回歸問(wèn)題 253
12．4．1 人體姿態(tài)估計(jì) 253
12．4．2 面部器官檢測(cè) 255
12．5 圖像標(biāo)注生成 255
12．6 圖像風(fēng)格變換 257
12．7 自動(dòng)駕駛 258
12．8 強(qiáng)化學(xué)習(xí) 259
12．9 深度學(xué)習(xí)的*新應(yīng)用 260
12．9．1 AlphaGo圍棋機(jī)器人 260
12．9．2 人機(jī)對(duì)話 262
12．9．3 視頻換臉 263
12．9．4 無(wú)人機(jī)自動(dòng)控制 265
12．9．5 機(jī)器人行動(dòng)協(xié)同 267
12．9．6 醫(yī)療自動(dòng)診斷 269
12．10 深度學(xué)習(xí)的發(fā)展趨勢(shì)分析 271
12．10．1 深度學(xué)習(xí)技術(shù)現(xiàn)狀 271
12．10．2 深度學(xué)習(xí)發(fā)展趨勢(shì) 271
參考答案 273
參考文獻(xiàn) 277
展開(kāi)全部
深度學(xué)習(xí)原理與應(yīng)用 作者簡(jiǎn)介
1984年畢業(yè)于南京大學(xué)數(shù)學(xué)系，曾任中國(guó)電科第二十八研究所副所長(zhǎng)、中國(guó)電科通信事業(yè)部副總經(jīng)理、中國(guó)司法大數(shù)據(jù)研究院總經(jīng)理等職，主持和參加研制了十余項(xiàng)重大工程。獲電子部科學(xué)技術(shù)進(jìn)步一等獎(jiǎng)1項(xiàng)，中國(guó)電子科技集團(tuán)公司科學(xué)技術(shù)獎(jiǎng)特等獎(jiǎng)2項(xiàng)，中國(guó)電子科技集團(tuán)公司科學(xué)技術(shù)獎(jiǎng)一等獎(jiǎng)3項(xiàng)。2005年獲江蘇省有突出貢獻(xiàn)的中青年專家稱號(hào)。發(fā)表論文20余篇，獲發(fā)明專利1項(xiàng)，受理發(fā)明申請(qǐng)專利2項(xiàng)，出版學(xué)術(shù)專著1部，國(guó)家電子行業(yè)標(biāo)準(zhǔn)1部。
書(shū)友推薦
- >
我從未如此眷戀人間
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
山海經(jīng)
- >
經(jīng)典常談
- >
小考拉的故事-套裝共3冊(cè)
- >
名家?guī)阕x魯迅:朝花夕拾
- >
莉莉和章魚(yú)
本類暢銷
