中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
深度學習 版權信息
- ISBN：9787560660141
- 條形碼：9787560660141 ; 978-7-5606-6014-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度學習 內容簡介
本書內容較完整地介紹了深度學習的基本概念、方法和技術。全書共10章, 重點介紹了深度學習的基礎知識、深度學習的基本算法、深度學習中的正則化以及幾個典型的深度神經網絡 (如深度卷積神經網絡、深度循環神經網絡、深度生成式對抗網絡、自編碼器、深度信念網絡、膠囊網絡等) 。
深度學習 目錄
第1章 緒論 1
1.1 深度學習的興起 1
1.2 什么是深度學習 2
1.3 為什么采用深度學習 7
1.4 深度學習的應用 7
1.4.1 計算機視覺 7
1.4.2 語音識別 10
1.4.3 自然語言處理 11
習題 12
第2章 深度學習的基礎知識 13
2.1 泛化誤差 13
2.1.1 點估計 13
2.1.2 偏差和方差 14
2.2 神經網絡結構 16
2.2.1 神經元 16
2.2.2 激活函數 17
2.2.3 隱藏單元 19
2.2.4 輸出單元 20
2.2.5 架構設計 20
2.3 數據準備 20
2.3.1 噪聲注入 21
2.3.2 數據擴充 21
2.4 超參數與驗證集 22
2.5 規模與特征工程 23
2.5.1 規模 23
2.5.2 特征工程 23
2.6 損失函數 25
2.7 模型訓練中的問題 28
習題 30
第3章 深度學習的基本算法 31
3.1 經典算法 31
3.1.1 監督學習 31
3.1.2 無監督學習 36
3.1.3 半監督學習 37
3.1.4 強化學習 39
3.2 梯度下降算法 40
3.2.1 梯度下降原理 40
3.2.2 隨機梯度下降算法 41
3.2.3 批量梯度下降算法 42
3.2.4 小批量梯度下降算法 42
3.3 動量算法 43
3.3.1 動量 43
3.3.2 Nesterov 動量算法 45
3.4 反向傳播算法 46
3.4.1 前饋神經網絡 46
3.4.2 反向傳播算法 47
3.4.3 反向傳播算法實例 50
3.5 弱監督學習 53
3.5.1 不完全監督學習 53
3.5.2 不確切監督學習 54
3.5.3 不準確監督學習 55
3.6 遷移學習 56
3.6.1 遷移學習的相關定義 56
3.6.2 遷移學習的分類 57
3.6.3 知識蒸餾 65
3.7 小樣本學習 67
3.7.1 基于finetune的小樣本學習 69
3.7.2 基于metric的小樣本學習 70
3.7.3 基于圖神經網絡的小樣本學習 70
3.7.4 基于元學習的小樣本學習 71
習題 76
第4章 深度學習中的正則化 77
4.1 參數范數懲罰 77
4.1.1 L2參數正則化 77
4.1.2 L1參數正則化 79
4.2 參數綁定與參數共享 80
4.3 稀疏表征 81
4.3.1 稀疏表示 81
4.3.2 稀疏模型 82
4.4 提前終止 83
4.5 Bagging 84
4.6 Dropout 84
4.6.1 Dropout的工作流程 84
4.6.2 Dropout在神經網絡中的使用 85
習題 86
第5章 深度卷積神經網絡 87
5.1 卷積神經網絡的生物機理 87
5.2 卷積神經網絡的原理和結構 87
5.3 卷積層 88
5.3.1 卷積 88
5.3.2 卷積的變種 90
5.3.3 卷積層的輸出 93
5.4 池化層 95
5.5 非線性映射層 96
5.6 空間批量歸一化 96
5.7 全連接層 98
5.8 典型的卷積神經網絡 98
5.8.1 LeNet5網絡 98
5.8.2 AlexNet網絡 100
5.8.3 Inception網絡 102
5.8.4 ResNet網絡 105
5.8.5 RCNN網絡 108
5.8.6 YOLO網絡 109
5.9 全卷積神經網絡 110
5.9.1 UNet網絡 110
5.9.2 SegNet網絡 112
習題 113
第6章 深度循環神經網絡 114
6.1 簡單循環神經網絡 114
6.1.1 簡單循環神經網絡的結構 114
6.1.2 簡單循環神經網絡的訓練 116
6.2 雙向循環神經網絡 120
6.3 深度循環網絡的結構 122
6.4 解碼編碼網絡的結構 123
6.5 門控循環神經網絡 124
6.5.1 門控循環神經網絡的結構框架 124
6.5.2 門控結構單元 125
6.5.3 門控神經網絡的改進 127
6.6 遞歸神經網絡 129
6.6.1 遞歸神經網絡的結構 129
6.6.2 遞歸神經網絡的前向計算 130
6.6.3 遞歸神經網絡的應用 131
6.7 注意力機制 132
6.7.1 注意力機制的原理 132
6.7.2 transformer的架構 136
6.7.3 transformer的應用 141
6.7.4 計算機視覺的注意力機制 141
習題 144
第7章 深度生成式對抗網絡 145
7.1 生成式對抗網絡的基本原理 145
7.2 生成式對抗網絡的設計 146
7.3 生成式對抗網絡的改進 148
7.3.1 WGAN 148
7.3.2 LSGAN 150
7.4 生成式對抗網絡在圖像中的應用 150
習題 152
第8章 自編碼器 153
8.1 欠完備自編碼器 153
8.2 正則自編碼器 154
8.2.1 稀疏自編碼器 154
8.2.2 去噪自編碼器 155
8.3 隨機自編碼器 157
8.4 深度自編碼器 157
8.5 變分自編碼器 158
習題 161
第9章 深度信念網絡 162
9.1 Boltzmann機 162
9.1.1 Boltzmann機的模型 162
9.1.2 Boltzmann機的狀態更新算法 162
9.2 受限Boltzmann機 163
9.2.1 受限Boltzmann機的學習目標 164
9.2.2 受限Boltzmann機的學習方法 164
9.3 深度信念網絡 165
9.3.1 深度信念網絡的設計 165
9.3.2 深度信念網絡的參數學習 167
習題 168
第10章 膠囊網絡 169
10.1 膠囊網絡的基本概念 169
10.2 膠囊網絡的工作原理 170
10.2.1 膠囊網絡的核心思想 170
10.2.2 膠囊網絡的工作過程 170
10.2.3 囊間動態路由算法 172
10.3 膠囊網絡的典型應用 173
習題 174
附錄 175
附錄A 深度學習常用的工具 175
附錄B 深度學習常用的開放數據集 177
參考文獻 180
展開全部
書友推薦
- >
唐代進士錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
經典常談
- >
我與地壇
- >
月亮與六便士
- >
史學評論
- >
伊索寓言-世界文學名著典藏-全譯本
- >
推拿
本類暢銷
