掃一掃
關(guān)注中圖網(wǎng)
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
數(shù)據(jù)智能研究前沿 版權(quán)信息
- ISBN：9787313228413
- 條形碼：9787313228413 ; 978-7-313-22841-3
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
數(shù)據(jù)智能研究前沿 本書特色
“十三五”國家重點圖書規(guī)劃項目，國家出版基金項目“出版工程：類腦計算與類腦智能研究前沿系列”之一。 本書由智能信息處理領(lǐng)域的專家進行編寫，涵蓋了深度學(xué)習(xí)的標(biāo)準(zhǔn)算法及精選的應(yīng)用案例，總結(jié)了近年來數(shù)據(jù)智能研究的新發(fā)展與成果。 由中國科學(xué)院院士和國家重點基礎(chǔ)研究計劃973的首席科學(xué)家徐宗本，“長江學(xué)者”特聘教授姚新合力編寫。 “十三五”國家重點圖書規(guī)劃項目，國家出版基金項目“出版工程：類腦計算與類腦智能研究前沿系列”之一。 本書由智能信息處理領(lǐng)域的專家進行編寫，涵蓋了深度學(xué)習(xí)的標(biāo)準(zhǔn)算法及精選的應(yīng)用案例，總結(jié)了近年來數(shù)據(jù)智能研究的發(fā)展與成果。 由中國科學(xué)院院士和國家重點基礎(chǔ)研究計劃973的首席科學(xué)家徐宗本，“長江學(xué)者”特聘教授姚新合力編寫。 從事數(shù)據(jù)研究、深度學(xué)習(xí)、人工智能領(lǐng)域的科技人員 人工智能、計算機技術(shù)專業(yè)的廣大高校師生
數(shù)據(jù)智能研究前沿 內(nèi)容簡介
本書為“類腦計算與類腦智能研究前沿”系列之一。本系列圖書正是在中國“腦計劃”這一重量發(fā)展戰(zhàn)略大背景下，全面梳理我國在類腦計算與類腦智能領(lǐng)域的創(chuàng)新性前沿成果，填補我國在類腦計算與類腦智能在出版領(lǐng)域的空白。本系列圖書以專題論述的方式，邀請國內(nèi)類腦計算領(lǐng)域、腦影像及圖譜領(lǐng)域、神經(jīng)科學(xué)領(lǐng)域、人機交互領(lǐng)域、語言處理領(lǐng)域有造詣的學(xué)者合力撰寫完成。圖書主要圍繞類腦計算與類腦智能方向的前沿創(chuàng)新技術(shù)，介紹類腦計算與類腦智能相關(guān)的概念理論、模型和應(yīng)用，并對相關(guān)定義與描述進行研究和討論，做出非常不錯性的界定。
數(shù)據(jù)智能研究前沿 目錄
1 深度生成模型
1.1 引言
1.2 模型定義
1.2.1 生成模型基本概念
1.2.2 基于層次化貝葉斯的建模
1.2.3 基于深度神經(jīng)網(wǎng)絡(luò)的建模
1.3 學(xué)習(xí)方法
1.3.1 *大似然估計
1.3.2 對抗式生成網(wǎng)絡(luò)
1.3.3 矩匹配深度生成模型
1.4 “珠算”概率編程庫
1.4.1 模型構(gòu)建
1.4.2 推斷和學(xué)習(xí)算法
1.5 典型應(yīng)用
1.5.1 生成高質(zhì)量的圖片、視頻、音頻
1.5.2 半監(jiān)督學(xué)習(xí)
1.5.3 風(fēng)格遷移
1.5.4 強化學(xué)習(xí)
1.6 總結(jié)與展望
參考文獻
2 生成式對抗網(wǎng)絡(luò)
2.1 引言
2.2 生成式對抗網(wǎng)絡(luò)概況
2.2.1 GAN提出的背景
2.2.2 GAN的基本概念
2.2.3 GAN的優(yōu)勢
2.2.4 GAN面臨的挑戰(zhàn)
2.2.5 小結(jié)
2.3 GAN的網(wǎng)絡(luò)結(jié)構(gòu)
2.3.1 DOCN
2.3.2 OGAN
2.3.3 InfoCAN
2.3.4 其他網(wǎng)絡(luò)結(jié)構(gòu)
2.4 GAN的損失函數(shù)
2.4.1 LSGAN
2.4.2 WGAN
2.4.3 WGAN-GP
2.4.4 EBGAN
2.4.5 BEGAN
2.4.6 RGAN
2.5 GAN的正則化方法
2.5.1 批歸一化
2.5.2 權(quán)值歸一化
2.5.3 譜歸一化
2.5.4 正則化方法比較
2.6 GAN的訓(xùn)練與評價
2.6.1 訓(xùn)練技巧
2.6.2 優(yōu)化算法
2.6.3 評價指標(biāo)
2.7 GAN的應(yīng)用
2.7.1 計算機視覺
2.7.2 自然語言處理
2.7.3 智能語音
2.7.4 其他領(lǐng)域
2.8 總結(jié)與展望
參考文獻
3 模型驅(qū)動深度學(xué)習(xí)
3.1 模型驅(qū)動深度學(xué)習(xí)概述
3.2 優(yōu)化模型驅(qū)動的深度學(xué)習(xí)
3.2.1 稀疏編碼優(yōu)化深度網(wǎng)絡(luò)
3.2.2 ADMM深度網(wǎng)絡(luò)及其在壓縮傳感成像中的應(yīng)用
3.3 統(tǒng)計模型驅(qū)動的深度學(xué)習(xí)
3.3.1 MRF統(tǒng)計分布參數(shù)估計的深度學(xué)習(xí)方法
3.3.2 條件隨機場模型驅(qū)動的深度學(xué)習(xí)
3.3.3 小結(jié)
3.4 其他領(lǐng)域模型驅(qū)動的深度學(xué)習(xí)方法
3.5 總結(jié)與展望
參考文獻
4 自步一課程學(xué)習(xí)
4.1 課程學(xué)習(xí)
4.2 自步學(xué)習(xí)
4.3 自步正則
4.4 自步一課程學(xué)習(xí)
4.5 用武之地
4.6 從強監(jiān)督到弱監(jiān)督
4.6.1 零樣本學(xué)習(xí)
4.6.2 弱監(jiān)督學(xué)習(xí)——多示例學(xué)習(xí)
4.6.3 半監(jiān)督學(xué)習(xí)——自步協(xié)同學(xué)習(xí)
4.7 自步一課程學(xué)習(xí)理論
4.7.1 穩(wěn)健性理論
4.7.2 收斂性理論
4.7.3 凹共軛理論
4.8 元學(xué)習(xí)方法
4.9 總結(jié)與展望
參考文獻
5 強化學(xué)習(xí)
5.1 強化學(xué)習(xí)簡介
5.1.1 強化學(xué)習(xí)模型
5.1.2 馬爾可夫決策過程
5.1.3 學(xué)習(xí)*優(yōu)策略：無模型方法
5.1.4 通過學(xué)習(xí)模型來計算*優(yōu)策略
5.2 深度強化學(xué)習(xí)
5.2.1 基于值函數(shù)的深度強化學(xué)習(xí)
5.2.2 基于策略梯度的深度強化學(xué)習(xí)
5.2.3 基于行動者一評論家的深度強化學(xué)習(xí)
5.3 遷移強化學(xué)習(xí)
5.3.1 遷移強化學(xué)習(xí)的定義
5.3.2 基于樣例遷移的遷移強化學(xué)習(xí)
5.3.3 基于表示遷移的遷移強化學(xué)習(xí)
5.3.4 基于參數(shù)遷移的遷移強化學(xué)習(xí)
5.3.5 基于關(guān)系遷移的遷移強化學(xué)習(xí)
5.3.6 遷移強化學(xué)習(xí)的評估
5.4 分層強化學(xué)習(xí)
5.4.1 基于選項的分層強化學(xué)習(xí)
5.4.2 基于MaxQ函數(shù)分解的分層強化學(xué)習(xí)
5.4.3 基于分層抽象機的分層強化學(xué)習(xí)
5.4.4 深度分層強化學(xué)習(xí)和自動分層
5.5 逆向強化學(xué)習(xí)
5.5.1 基本概念
5.5.2 求解獎勵函數(shù)
5.5.3 大狀態(tài)空間下的獎勵函數(shù)求解
5.5.4 基于*大熵的逆向強化學(xué)習(xí)
5.5.5 生成對抗模仿學(xué)習(xí)算法
5.6 多智能體強化學(xué)習(xí)
5.6.1 多智能體學(xué)習(xí)目標(biāo)
5.6.2 基于表格表征的多智能體強化學(xué)習(xí)
5.6.3 深度多智能體強化學(xué)習(xí)
參考文獻
6 遷移學(xué)習(xí)
6.1 遷移學(xué)習(xí)的概念
6.1.1 遷移學(xué)習(xí)的定義
6.1.2 遷移學(xué)習(xí)的問題設(shè)定
6.2 遷移學(xué)習(xí)的理論基礎(chǔ)
6.2.1 數(shù)據(jù)集偏移及其原因
6.2.2 轉(zhuǎn)導(dǎo)遷移學(xué)習(xí)經(jīng)典理論
6.2.3 間隔分歧散度
6.2.4 j納遷移學(xué)習(xí)的經(jīng)典理論
6.3 歸納遷移學(xué)習(xí)
6.3.1 有監(jiān)督預(yù)訓(xùn)練
6.3.2 無監(jiān)督預(yù)訓(xùn)練
6.3.3 微調(diào)
6.4 轉(zhuǎn)導(dǎo)遷移學(xué)習(xí)
6.4.1 樣本重要性加權(quán)方法
6.4.2 基于距離約束的領(lǐng)域適應(yīng)方法
6.4.3 基于對抗學(xué)習(xí)的領(lǐng)域適應(yīng)方法
6.5 無監(jiān)督遷移學(xué)習(xí)
6.5.1 雙向生成式對抗網(wǎng)絡(luò)
6.6 遷移學(xué)習(xí)的相關(guān)范式
6.6.1 多任務(wù)學(xué)習(xí)
6.6.2 少樣本學(xué)習(xí)
6.6.3 持續(xù)學(xué)習(xí)
6.6.4 元學(xué)習(xí)
6.7 遷移學(xué)習(xí)的應(yīng)用
6.7.1 智慧醫(yī)療
6.7.2 自動駕駛
6.7.3 機器人控制
參考文獻
7 演化智能
7.1 演化人工神經(jīng)網(wǎng)絡(luò)
7.1.1 權(quán)值演化
7.1.2 網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則的演化
7.1.3 EPNet：一種混合型演化神經(jīng)網(wǎng)絡(luò)方法
7.2 多目標(biāo)演化
7.2.1 演化多目標(biāo)優(yōu)化
7.2.2 演化多目標(biāo)機器學(xué)習(xí)
7.3 協(xié)同演化
7.3.1 協(xié)同
展開全部
數(shù)據(jù)智能研究前沿 作者簡介
徐宗本，中國科學(xué)院院士，博導(dǎo)，國家重點基礎(chǔ)研究計劃973首席科學(xué)家。研究領(lǐng)域：Banach 空間幾何理論與智能信息處理的數(shù)學(xué)基礎(chǔ)方面，主持完成國家863、國家自然基金等國家科研課題15項。 姚新，**計劃特聘教授，“長江學(xué)者”特聘教授，博導(dǎo)，南方科技大學(xué)計算機科學(xué)與工程系系主任。研究領(lǐng)域：神經(jīng)計算、演化計算、機器學(xué)習(xí)、大數(shù)據(jù)分析、自適應(yīng)優(yōu)化等，獲 IEEE 計算智能學(xué)會演化計算先驅(qū)獎，英國皇家學(xué)會沃爾夫森杰出研究獎。
書友推薦
- >
煙與鏡
- >
巴金－再思錄
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
中國歷史的瞬間
- >
龍榆生：詞曲概論/大家小書
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
本類暢銷
