中圖網小程序
一鍵登錄
更方便
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
實用深度學習基礎(面向新工科的電工電子信息基礎課程系列教材) 版權信息
- ISBN：9787302609438
- 條形碼：9787302609438 ; 978-7-302-60943-8
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
實用深度學習基礎(面向新工科的電工電子信息基礎課程系列教材) 本書特色
(1) 堅持“原理、技術、應用”三位一體原則，注重基礎性、系統性、前沿性和實用性的統一。 (2) 知識體系全、技術框架新，涵蓋了目前行業應用的*新深度學習技術。 (3) 既注重整體思路設計，又注重核心技術細節分析，使得學生學習時“既見樹木又見森林”。 (4) 源自作者20多年從事人工智能基礎理論、計算機視覺、自然語言理解和語音識別等領域的科研積累，提供大量典型、實用*新方法講解和分析。 (5) 在深入淺出的講解中將*新理論成果與實際問題解決過程相結合，培養學生解決復雜工程問題能力。 (6) 以問題為中心來呈現技術演變進展，培養學生“發現問題、分析問題、解決問題”能力，啟發學生創新思維。 源自作者多年教學科研積淀，全面呈現深度學習基礎理論、經典方法、實用技術與*新趨勢，配套課件、習題解答、實驗案例等資源
實用深度學習基礎(面向新工科的電工電子信息基礎課程系列教材) 內容簡介
本書根據深度學習技術發展速度快、理論性與實踐性強、應用廣泛等特點，結合教學、科研及應用需求，堅持“原理、技術、應用”三位一體原則，注重基礎性、系統性、前沿性和實用性的統一，對深度學習的**方法與研究趨勢進行全面深入的研究和探索。全書分成四部分：**部分是人工智能基礎，重點闡述人工智能的概念、發展歷史和發展趨勢等；第二部分是深度學習基礎，包括機器學習基礎理論、深度學習基礎、深度學習網絡的優化方法和技巧；第三部分是經典神經網絡技術，包括卷積神經網絡、循環神經網絡、神經網絡的區分性訓練、序列到序列建模；第四部分是高級深度學習技術，包括自編碼器、遷移學習、生成對抗網絡、終身學習、深度強化學習、元學習、自監督學習等。 本書在深入淺出的講解中將**理論成果與實際問題解決過程相結合，培養學生的創新思維和解決復雜工程問題能力，適用于人工智能、網絡安全、通信工程、信息工程等專業高年級本科生、研究生教學，可作為人工智能相關領域的科研人員、工程師的重要參考書。
實用深度學習基礎(面向新工科的電工電子信息基礎課程系列教材) 目錄
第1章人工智能技術概覽
1．1人工智能的概念
1．1．1智能的基本概念
1．1．2人類智能的度量
1．1．3人工智能的概念
1．2人工智能的發展歷程
1．2．1人工智能誕生前的50年
1．2．2人工智能發展的**階段
1．2．3人工智能發展的第二階段
1．2．4人工智能發展的第三階段
1．3人工智能的學術流派
1．3．1戴維·阿蘭格里爾的學術流派劃分
1．3．2佩德羅·多明戈斯的學術流派劃分
1．3．3人工智能學術流派的重新劃分
1．4人工智能的未來發展
1．4．1無監督學習、元學習正在突破通用智能
1．4．2實時強化學習技術趨于成熟
1．4．3可解釋性知識推理技術成為研究重點
1．4．4開放式持續學習技術受到廣泛關注
1．4．5不同流派人工智能技術融合認知開辟新的技術路徑
1．4．6應用場景朝小數據量、惡劣環境、非完整數據方向發展
1．5本章小結
參考文獻
第2章機器學習理論基礎
2．1機器學習基本概念
2．1．1學習與機器學習
2．1．2機器學習的分類
2．1．3感知機及其學習算法
2．2可能近似正確學習理論
2．2．1機器學習的不可行性
2．2．2概率近似正確學習理論
2．3VC維理論
2．3．1假設的有效數量
2．3．2突破點
2．3．3上限函數
2．3．4VC維
2．4三個*基本機器學習模型
2．4．1線性分類
2．4．2線性回歸
2．4．3邏輯回歸
2．4．4三種基本機器學習算法對比分析
2．5本章小結
參考文獻
第3章深度學習基礎
3．1深度學習的基本定義和特點
3．1．1神經元與生物神經網絡
3．1．2人工神經元及其分類能力
3．1．3單隱含層神經網絡的能力
3．1．4深度學習
3．2深度學習網絡設計的三個核心問題
3．2．1定義網絡結構
3．2．2目標函數選擇
3．2．3優化算法選擇
3．3后向傳播算法
3．3．1輸出端的損失梯度
3．3．2隱含層的損失梯度
3．3．3神經網絡參數的損失梯度
3．3．4算法整理流圖
3．4本章小結
參考文獻
第4章深度學習網絡優化技巧
4．1深度學習網絡優化學習
4．1．1定義網絡結構
4．1．2目標函數選擇
4．1．3優化算法選擇
4．1．4深度學習算法檢查
4．2新激活函數選擇
4．2．1梯度消失問題
4．2．2ReLU函數
4．2．3ReLU函數的變形
4．2．4其他激活函數
4．3優化算法
4．3．1基本優化算法
4．3．2梯度方向調整優化算法
4．3．3自適應學習率
4．3．4步長和方向聯合優化算法
4．4測試集性能優化技巧
4．4．1提前終止策略
4．4．2正則化
4．4．3丟棄法
4．5本章小結
參考文獻
第5章卷積神經網絡
5．1卷積神經網絡概述
5．1．1卷積神經網絡的歷史
5．1．2卷積神經網絡的結構
5．2卷積神經網絡與全連接網絡的關系
5．2．1連接稀疏性
5．2．2參數共享機制
5．3典型的卷積神經網絡
5．3．1LeNet5網絡
5．3．2AlexNet網絡
5．3．3ZFNet網絡
5．3．4VGGNet網絡
5．3．5GoogLeNet網絡
5．3．6殘差網絡
5．3．7擠壓激勵網絡
5．3．8區域卷積神經網絡及其拓展版本
5．4本章小結
參考文獻
本章知識點補充
第6章循環神經網絡
6．1循環神經網絡的引入
6．2循環神經網絡的結構
6．3循環神經網絡的訓練
6．3．1循環神經網絡的前向傳播
6．3．2循環神經網絡的依時間反向傳播
6．3．3循環神經網絡的梯度消失與梯度爆炸問題
6．4長短時記憶單元與門循環單元
6．4．1長短時記憶單元
6．4．2門循環單元
6．5循環神經網絡的擴展
6．5．1深層循環神經網絡
6．5．2雙向循環神經網絡
6．6循環神經網絡的應用
6．6．1多到一模式
6．6．2一到多模式
6．6．3同步多到多模式
6．6．4異步多到多模式
6．7本章小結
參考文獻
第7章神經網絡的區分性訓練
7．1*小交叉熵與*大似然估計
7．2區分性訓練準則
7．3序列模型的區分性訓練
7．3．1*大互信息準則
7．3．2增強型MMI
7．3．3*小音素錯誤/狀態級*小貝葉斯風險
7．3．4序列區分性訓練準則的一般形式
7．4序列區分性訓練準則應用實例
7．4．1基于詞圖的序列區分性訓練
7．4．2詞圖無關的序列區分性訓練
7．5本章小結
參考文獻
第8章序列到序列模型
8．1序列到序列模型基本原理
8．1．1序列到序列模型的引入
8．1．2序列到序列模型構成
8．2連續時序分類準則
8．2．1連續時序分類準則定義
8．2．2連續時序分類準則的解碼
8．3注意力模型
8．3．1注意力模型定義與原理
8．3．2自注意力機制
8．4Transformer模型
8．4．1Transformer模型組成
8．4．2Transformer模型的核心技術
8．5BERT模型與GPT模型
8．5．1BERT模型
8．5．2GPT模型
8．5．3與其他模型異同點分析
8．6后BERT模型時代的新模型算法
8．6．1XLNet模型及原理
8．6．2ERNIE模型及原理
8．6．3ALBERT模型及原理
8．7序列到序列模型的應用
8．8本章小結
參考文獻
第9章自編碼器
9．1自編碼器的定義與基本原理
9．1．1自編碼器的通用框架
9．1．2棧式自編碼器
9．2正則自編碼器
9．2．1稀疏自編碼器
9．2．2降噪自編碼器
9．2．3收縮自編碼器
9．3變分自編碼器
9．3．1目標函數
9．3．2優化過程
9．3．3條件變分自編碼器
9．4VAE的改進算法
9．4．1betaVAE
9．4．2infoVAE
9．5對抗自編碼器
9．5．1AAE與VAE
9．5．2introVAE
9．6本章小結
參考文獻
第10章遷移學習
10．1遷移學習的基本原理
10．1．1遷移學習的定義
10．1．2遷移學習的分類
10．1．3遷移學習的意義
10．2基于特征的遷移學習
10．2．1分布差異矩陣
10．2．2特征增強
10．2．3特征映射
10．2．4特征選擇
10．2．5特征對齊
10．2．6基于深度學習的特征遷移
10．3基于模型的遷移學習
10．3．1深度網絡的可遷移性
10．3．2基于KL散度的遷移學習
10．3．3基于知識蒸餾的遷移學習
10．4基于樣例的遷移學習
10．5遷移學習前沿
10．5．1混合智能遷移學習
10．5．2傳遞式遷移學習
10．5．3終身遷移學習
10．5．4對抗遷移學習
10．5．5遷移強化學習
10．5．6遷移學習的可解釋性
10．6本章小結
參考文獻
第11章終身學習
11．1終身學習原理
11．1．1終身學習的定義
11．1．2DARPA的L2M項目
11．1．3終身學習的關鍵問題
11．2深度學習與終身學習
11．2．1生物學依據
11．2．2現有方法的分類
11．3彈性權值鞏固
11．3．1EWC中的貝葉斯理論
11．3．2EWC的目標函數
11．3．3參數重要性的估計
11．4自組織增量學習神經網絡
11．4．1自組織映射
11．4．2自組織增量學習神經網絡
11．4．3算法優、缺點
11．5梯度情景記憶
11．5．1知識的前向遷移與后向遷移
11．5．2情景記憶損失函數
11．5．3模型求解
11．6本章小結
參考文獻
第12章生成對抗網絡
12．1生成對抗網絡引入
12．1．1無監督學習與生成模型
12．1．2生成對抗網絡簡介
12．2生成對抗網絡的基本原理
12．3生成對抗網絡訓練過程的數學推導
12．3．1*大似然估計
12．3．2生成對抗網絡的訓練準則函數
12．3．3生成對抗網絡的訓練過程
12．4生成對抗網絡的工程實現及主要問題
12．4．1生成對抗網絡的工程實現
12．4．2生成對抗網絡的工程實現中的問題
12．5GAN的變體
12．5．1WGAN
12．5．2條件GAN
12．5．3CycleGAN
12．5．4InfoGAN
12．5．5BiGAN
12．6本章小結
參考文獻
第13章深度強化學習
13．1強化學習基本概念與原理
13．2強化學習的數學模型、求解框架及分類
13．2．1馬爾可夫決策過程
13．2．2值函數與策略函數
13．2．3策略迭代與值迭代求解框架
13．2．4強化學習的分類
13．3基于值函數的深度強化學習
13．3．1深度Q網絡算法
13．3．2DQN算法的變種
13．4基于策略函數的深度強化學習
13．5基于參與者評價者的深度強化學習
13．5．1A2C與A3C算法
13．5．2PPO算法
13．6本章小結
參考文獻
第14章元學習
14．1元學習的定義及原理
14．1．1元學習的定義
14．1．2元學習系統的組成
14．1．3元學習的主要現狀
14．2模型無關的元學習方法
14．2．1相關概念
14．2．2MAML算法原理
14．2．3MAML算法流程
14．2．4MAML算法具體實現
14．3一階模型無關元學習方法Reptile
14．3．1Reptile算法的基本原理
14．3．2Reptile算法理論分析
14．4自適應梯度更新規則元學習方法
14．4．1簡單LSTM方法
14．4．2復雜LSTM方法
14．5度量元學習方法
14．5．1匹配網絡
14．5．2原型網絡
14．5．3關系網絡
14．6本章小結
參考文獻
第15章自監督學習
15．1自監督學習的基本原理
15．1．1自監督學習的定義
15．1．2自監督學習的分類
15．2對比式自監督學習
15．2．1模型坍塌問題
15．2．2有負例的對比學習
15．2．3無負例的對比學習
15．3基于對比預測的自監督語音表示學習
15．3．1對比預測編碼
15．3．2wav2vec系列
15．3．3HuBERT系列
15．4自監督學習中的關鍵科學問題
15．4．1任務相關表示學習
15．4．2模型輕量化
15．5本章小結
參考文獻
展開全部
實用深度學習基礎(面向新工科的電工電子信息基礎課程系列教材) 作者簡介
屈丹，信息工程大學人工智能教研室副主任、教授、博士生導師，視聽感知與語言認知方向學術帶頭人，國家科技部、國家自然科學基金委評審專家，省部級智能語音處理領域專家組副組長。從事人工智能與機器學習理論、語音處理與識別、自然語言理解、計算機視覺等領域教學科研工作。承擔“人工智能導論”“機器學習”“深度學習”“自然語言理解”“語音處理與識別”等課程教學任務，主持國家863課題、國家自然科學基金、國家社會科學基金、省部級重點預研等科研項目20余項。獲得省部級科技進步二等獎4項、三等獎1項，發表學術論文110篇，被三大檢索收錄60篇。申請國家發明專利、軟件著作權近20項，出版專著教材6部。三次獲得軍隊人才崗位津貼，榮立三等功2次。 張文林，信息工程大學人工智能教研室副教授、碩士生導師，從事智能信息處理、語音識別等領域教學科研工作。承擔“機器學習”“深度學習”“自然語言理解”“強化學習”等課程教學任務，先后主持國家自然科學基金項目1項、中國博士后科學基金面上一等資助項目1項、省部級重點課題多項，博士學位論文獲得2015年度河南省優秀博士學位論獎，曾獲省部級科技進步二等獎3項、三等獎1項，發表學術論文40余篇，其中三大檢索20余篇，獲授權或受理國家發明專利10余項，軟件著作權5項。出版專著教材3部，2次榮立三等功。 楊緒魁，信息工程大學人工智能教研室講師，從事人工智能與機器學習理論、語音處理與識別、自然語言理解等領域教學科研工作。承擔“人工智能導論”“語音處理與識別”“深度學習”等課程教學任務，主持國家社會科學基金青年基金項目1項，參與國家自然科學基金、國家社會科學基金、河南省自然科學基金、省部級預先研究、省部級重大裝備項目等項目多項，獲省部級自然科學獎工程二等獎1項、自然科學獎工程三等獎1項，在SCI期刊、中文核刊上發表論文十余篇，出版專著教材3部，申請國家發明專利、軟件著作權10項，榮立三等功1次。
書友推薦
- >
羅庸西南聯大授課錄
- >
詩經-先民的歌唱
- >
中國歷史的瞬間
- >
隨園食單
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
伯納黛特,你要去哪(2021新版)
- >
自卑與超越
- >
上帝之肋:男人的真實旅程
本類暢銷
