中圖網(wǎng)小程序
一鍵登錄
更方便
深度學習的計算方法:理論、實踐與應用 版權信息
- ISBN：9787121421389
- 條形碼：9787121421389 ; 978-7-121-42138-9
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
深度學習的計算方法:理論、實踐與應用 本書特色
(1)內(nèi)容覆蓋面廣，深度廣度適中。既涵蓋了包括常用的深度學習平臺、經(jīng)典的深度學習網(wǎng)絡以及強化學習、流形學習、遷移學習和集成學習在內(nèi)的知識體系，又從數(shù)學的角度，利用高等數(shù)學知識來闡釋深度學習背后的運行機制，同時還涵蓋了數(shù)據(jù)集準備、編程、結果分析和評估等相關實踐運用環(huán)節(jié)。 (2)結構設置合理，內(nèi)容循序漸進。按照先易后難的順序編排內(nèi)容框架，從機器智能的視角出發(fā)漸進式地呈現(xiàn)出相關內(nèi)容，并給出了不同深度神經(jīng)網(wǎng)絡的典型算法和應用實例。在各章的結尾，突出強調(diào)了如何基于Python軟件平臺和*新的MATLAB工具箱來實現(xiàn)深度學習算法，還羅列了需要讀者進一步思考和討論的問題。
深度學習的計算方法:理論、實踐與應用 內(nèi)容簡介
本書作為深度學習方面的入門書籍，目的是使讀者通過學習，理解和掌握深度學習背后的數(shù)學原理和計算方法，并將其用于指導理論分析和實踐開發(fā)。全書共8章。、2章主要介紹了深度學習的相關概念、發(fā)展簡史、主要進展，以及典型的深度學習平臺（MATLAB和TensorFlow）、數(shù)據(jù)增廣技術和相關數(shù)學基礎；第3~5章詳細闡述了深度學習的典型網(wǎng)絡模型，包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、自編碼器、生成對抗網(wǎng)絡及深度Q-學習等模型，重點介紹了這些模型背后的數(shù)學原理；第6章重點介紹了膠囊網(wǎng)絡與流形學習；第7章介紹了玻爾茲曼機及其變體，包括受限玻爾茲曼機、深度玻爾茲曼機及概率圖模型；第8章介紹了遷移學習、孿生網(wǎng)絡、集成學習及深度學習方面的重要工作。
深度學習的計算方法:理論、實踐與應用 目錄
第1章 概述 1
1．1 引言 1
1．2 深度學習簡介 4
1．3 深度學習發(fā)展簡史 7
1．4 深度學習典型應用 15
1．5 深度學習獲獎論文 17
1．6 思考題 19
參考文獻 19
第2章 深度學習平臺 29
2．1 引言 29
2．2 基于MATLAB的深度學習 31
2．3 基于TensorFlow的深度學習 35
2．4 數(shù)據(jù)增廣 41
2．5 數(shù)學基礎 42
2．6 思考題 48
參考文獻 48
第3章 卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡 51
3．1 卷積神經(jīng)網(wǎng)絡 51
3．1．1 R-CNN 53
3．1．2 Mask R-CNN 54
3．1．3 YOLO 55
3．1．4 SSD 57
3．1．5 DenseNet和ResNet 57
3．2 循環(huán)神經(jīng)網(wǎng)絡和時間序列分析 58
3．2．1 循環(huán)神經(jīng)網(wǎng)絡 59
3．2．2 時間序列分析 63
3．3 隱馬爾可夫模型 68
3．4 函數(shù)空間 70
3．5 向量空間 72
3．5．1 賦范空間 74
3．5．2 希爾伯特空間 75
3．6 思考題 79
參考文獻 79
第4章 自編碼器和生成對抗網(wǎng)絡 87
4．1 自編碼器 87
4．2 正則自編碼器 88
4．3 生成對抗網(wǎng)絡 91
4．4 信息論 95
4．5 思考題 100
參考文獻 101
第5章 強化學習 103
5．1 引言 103
5．2 貝爾曼方程 104
5．3 深度Q-學習 107
5．4 優(yōu)化 111
5．5 數(shù)據(jù)擬合 112
5．6 思考題 116
參考文獻 116
第6章 膠囊網(wǎng)絡與流形學習 119
6．1 膠囊網(wǎng)絡 119
6．2 流形學習 123
6．3 思考題 128
參考文獻 129
第7章 玻爾茲曼機 131
7．1 玻爾茲曼機概述 131
7．2 受限玻爾茲曼機 132
7．3 深度玻爾茲曼機 134
7．4 概率圖模型 136
7．5 思考題 142
參考文獻 142
第8章 遷移學習與集成學習 145
8．1 遷移學習 145
8．1．1 遷移學習的定義 145
8．1．2 Taskonomy 147
8．2 孿生網(wǎng)絡 148
8．3 集成學習 149
8．4 深度學習的重要工作 162
8．5 思考題 163
參考文獻 163
附錄A 術語 165
1．1 引言 1
1．2 深度學習簡介 4
1．3 深度學習發(fā)展簡史 7
1．4 深度學習典型應用 15
1．5 深度學習獲獎論文 17
1．6 思考題 19
參考文獻 19
第2章 深度學習平臺 29
2．1 引言 29
2．2 基于MATLAB的深度學習 31
2．3 基于TensorFlow的深度學習 35
2．4 數(shù)據(jù)增廣 41
2．5 數(shù)學基礎 42
2．6 思考題 48
參考文獻 48
第3章 卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡 51
3．1 卷積神經(jīng)網(wǎng)絡 51
3．1．1 R-CNN 53
3．1．2 Mask R-CNN 54
3．1．3 YOLO 55
3．1．4 SSD 57
3．1．5 DenseNet和ResNet 57
3．2 循環(huán)神經(jīng)網(wǎng)絡和時間序列分析 58
3．2．1 循環(huán)神經(jīng)網(wǎng)絡 59
3．2．2 時間序列分析 63
3．3 隱馬爾可夫模型 68
3．4 函數(shù)空間 70
3．5 向量空間 72
3．5．1 賦范空間 74
3．5．2 希爾伯特空間 75
3．6 思考題 79
參考文獻 79
第4章 自編碼器和生成對抗網(wǎng)絡 87
4．1 自編碼器 87
4．2 正則自編碼器 88
4．3 生成對抗網(wǎng)絡 91
4．4 信息論 95
4．5 思考題 100
參考文獻 101
第5章 強化學習 103
5．1 引言 103
5．2 貝爾曼方程 104
5．3 深度Q-學習 107
5．4 優(yōu)化 111
5．5 數(shù)據(jù)擬合 112
5．6 思考題 116
參考文獻 116
第6章 膠囊網(wǎng)絡與流形學習 119
6．1 膠囊網(wǎng)絡 119
6．2 流形學習 123
6．3 思考題 128
參考文獻 129
第7章 玻爾茲曼機 131
7．1 玻爾茲曼機概述 131
7．2 受限玻爾茲曼機 132
7．3 深度玻爾茲曼機 134
7．4 概率圖模型 136
7．5 思考題 142
參考文獻 142
第8章 遷移學習與集成學習 145
8．1 遷移學習 145
8．1．1 遷移學習的定義 145
8．1．2 Taskonomy 147
8．2 孿生網(wǎng)絡 148
8．3 集成學習 149
8．4 深度學習的重要工作 162
8．5 思考題 163
參考文獻 163
附錄A 術語 165
展開全部
深度學習的計算方法:理論、實踐與應用 作者簡介
Wei Qi Yan，博士，新西蘭奧克蘭理工大學（Auckland University of Technology，AUT）副教授。研究領域是智能監(jiān)控、深度學習、計算機視覺和多媒體技術。AUT機器人與視覺中心主任，中國科學院兼職教授、博士生導師。周浦城，博士，副教授，先后主持或參加國家863、自然科學基金、武器裝備預研、軍內(nèi)科研等課題20余項，公開發(fā)表論文80余篇，其中SCI檢索3篇、EI檢索45篇。
書友推薦
- >
推拿
- >
苦雨齋序跋文-周作人自編集
- >
上帝之肋:男人的真實旅程
- >
經(jīng)典常談
- >
名家?guī)阕x魯迅:故事新編
- >
回憶愛瑪儂
- >
唐代進士錄
- >
有舍有得是人生
本類暢銷
