中圖網(wǎng)小程序
一鍵登錄
更方便
深度學(xué)習(xí)簡明教程 版權(quán)信息
- ISBN：9787560669571
- 條形碼：9787560669571 ; 978-7-5606-6957-1
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
深度學(xué)習(xí)簡明教程 內(nèi)容簡介
本書分為四部分，共16章。其中，深度學(xué)習(xí)理論概述部分(第1章)分析了人工智能的歷史、發(fā)展與現(xiàn)狀；深度學(xué)習(xí)模型基礎(chǔ)部分(第2-8章)從神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)出發(fā)，討論了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、原理、性質(zhì)與典型應(yīng)用，并依序詳細(xì)回顧了反向傳播算法、卷積神經(jīng)網(wǎng)絡(luò)、自編碼網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等幾類基本網(wǎng)絡(luò)的功能、結(jié)構(gòu)、算法與典型應(yīng)用；深度學(xué)習(xí)進(jìn)階部分(第9-14章)分別對殘差網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、多尺度深度幾何網(wǎng)絡(luò)、Transformer網(wǎng)絡(luò)進(jìn)行了介紹；深度學(xué)習(xí)實(shí)戰(zhàn)和展望部分(第15和16章)簡述了幾種深度學(xué)習(xí)實(shí)驗(yàn)平臺、工具的實(shí)例與方法，并在深度學(xué)習(xí)總結(jié)與展望中對深度學(xué)習(xí)的發(fā)展歷程進(jìn)行了回顧，展望了深度學(xué)習(xí)未來的發(fā)展方向。
深度學(xué)習(xí)簡明教程 目錄
第1章 緒論 1
1.1 人工智能 1
1.1.1 人工智能 1
1.1.2 人工神經(jīng)網(wǎng)絡(luò)與人工智能的區(qū)別 8
1.1.3 人工神經(jīng)網(wǎng)絡(luò)與人工智能的互補(bǔ)性 9
1.2 機(jī)器學(xué)習(xí) 10
1.2.1 **次研究高潮 10
1.2.2 第二次研究高潮 15
1.2.3 神經(jīng)網(wǎng)絡(luò): *近30年 18
1.3 深度學(xué)習(xí) 23
本章參考文獻(xiàn) 23
第2章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 26
2.1 神經(jīng)元 26
2.1.1 生物神經(jīng)元 26
2.1.2 McCullochPitts神經(jīng)元 27
2.2 卷積層 33
2.3 池化層 36
2.4 正則化 38
2.5 梯度下降法 38
2.5.1 線性單元的梯度下降法 38
2.5.2 隨機(jī)梯度下降法 41
本章參考文獻(xiàn) 42
第3章 反向傳播算法 43
3.1 反向傳播機(jī)制 43
3.2 反向傳播算法性能分析 47
3.3 改進(jìn)的反向傳播算法 48
3.3.1 帶動量項(xiàng)自適應(yīng)變步長BP算法(ABPM) 48
3.3.2 同倫BP算法(HBP) 49
3.3.3 LMBP算法 49
3.4 反向傳播算法實(shí)現(xiàn)的幾點(diǎn)說明 50
本章參考文獻(xiàn) 51
第4章 卷積神經(jīng)網(wǎng)絡(luò)(一) 52
4.1 結(jié)構(gòu)和學(xué)習(xí)算法 52
4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 52
4.1.2 卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 54
4.2 兩種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò) 55
4.2.1 LeNet 55
4.2.2 AlexNet 56
4.3 案例與實(shí)踐 57
4.3.1 圖像語義分割 57
4.3.2 目標(biāo)檢測 59
4.3.3 目標(biāo)跟蹤 61
本章參考文獻(xiàn) 63
第5章 卷積神經(jīng)網(wǎng)絡(luò)(二) 64
5.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理 64
5.1.1 卷積運(yùn)算 64
5.1.2 池化操作 65
5.1.3 激活函數(shù) 66
5.1.4 損失函數(shù) 66
5.2 幾種經(jīng)典的深度卷積神經(jīng)網(wǎng)絡(luò) 66
5.2.1 VGG 66
5.2.2 GoogLeNet 68
5.3 案例與實(shí)踐 71
5.3.1 圖像分類 71
5.3.2 圖像分割 72
5.3.3 目標(biāo)檢測 73
本章參考文獻(xiàn) 76
第6章 自編碼網(wǎng)絡(luò) 77
6.1 自編碼網(wǎng)絡(luò)的結(jié)構(gòu) 77
6.2 自編碼網(wǎng)絡(luò)的原理 78
6.3 幾種經(jīng)典的自編碼網(wǎng)絡(luò) 79
6.3.1 稀疏自編碼(SAE) 79
6.3.2 收縮自編碼(CAE) 80
6.3.3 棧式自編碼(SA) 81
6.4 案例與實(shí)踐 82
6.4.1 圖像分類 82
6.4.2 目標(biāo)檢測 84
6.4.3 目標(biāo)跟蹤 86
本章參考文獻(xiàn) 87
第7章 Hopfield神經(jīng)網(wǎng)絡(luò) 89
7.1 Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 89
7.2 Hopfield反饋神經(jīng)網(wǎng)絡(luò)的原理 91
7.3 Hopfield反饋神經(jīng)網(wǎng)絡(luò)的非線性動力學(xué) 95
7.3.1 狀態(tài)軌跡為網(wǎng)絡(luò)的穩(wěn)定點(diǎn) 96
7.3.2 狀態(tài)軌跡為極限環(huán) 97
7.3.3 狀態(tài)軌跡為混沌狀態(tài) 98
7.3.4 狀態(tài)軌跡發(fā)散 98
7.4 案例與實(shí)踐 98
7.4.1 TSP問題 98
7.4.2 圖像分割 100
7.4.3 人臉識別 101
本章參考文獻(xiàn) 104
第8章 循環(huán)神經(jīng)網(wǎng)絡(luò) 106
8.1 循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 106
8.2 循環(huán)神經(jīng)網(wǎng)絡(luò)的原理 108
8.3 幾種經(jīng)典的循環(huán)神經(jīng)網(wǎng)絡(luò) 109
8.3.1 長短時(shí)記憶網(wǎng)絡(luò)(LSTM) 109
8.3.2 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(BiRNN) 110
8.3.3 深度雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(Deep BiRNN) 111
8.4 案例與實(shí)踐 112
8.4.1 自動問答 112
8.4.2 文本摘要生成 114
8.4.3 目標(biāo)跟蹤 117
本章參考文獻(xiàn) 119
第9章 殘差網(wǎng)絡(luò) 121
9.1 結(jié)構(gòu)和原理 121
9.1.1 殘差網(wǎng)絡(luò)的結(jié)構(gòu) 121
9.1.2 殘差網(wǎng)絡(luò)的原理 123
9.2 幾種經(jīng)典的殘差網(wǎng)絡(luò) 124
9.2.1 寬剩余網(wǎng)絡(luò) 124
9.2.2 深度殘差金字塔網(wǎng)絡(luò) 127
9.2.3 空洞殘差網(wǎng)絡(luò) 131
9.3 案例與實(shí)踐 133
9.3.1 圖像分類 133
9.3.2 圖像分割 135
9.3.3 目標(biāo)檢測 138
本章參考文獻(xiàn) 139
第10章 生成式對抗網(wǎng)絡(luò) 141
10.1 結(jié)構(gòu)和原理 141
10.1.1 生成式對抗網(wǎng)絡(luò)的原理 141
10.1.2 生成式對抗網(wǎng)絡(luò)的結(jié)構(gòu) 141
10.2 幾種經(jīng)典的生成式對抗網(wǎng)絡(luò) 145
10.2.1 信息*大化生成對抗網(wǎng)絡(luò)(InfoGAN) 145
10.2.2 條件生成對抗網(wǎng)絡(luò)(CGAN) 146
10.2.3 深度卷積生成對抗網(wǎng)絡(luò)(DCGAN) 146
10.2.4 循環(huán)一致性生成對抗網(wǎng)絡(luò)(CycleGAN) 147
10.3 案例與實(shí)踐 149
10.3.1 數(shù)據(jù)增強(qiáng) 149
10.3.2 圖像補(bǔ)全(修復(fù)) 150
10.3.3 文本翻譯成圖像 152
本章參考文獻(xiàn) 154
第11章 深度強(qiáng)化學(xué)習(xí) 156
11.1 結(jié)構(gòu)和原理 156
11.1.1 深度強(qiáng)化學(xué)習(xí)的結(jié)構(gòu) 156
11.1.2 深度強(qiáng)化學(xué)習(xí)的原理 157
11.2 幾種經(jīng)典的深度強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò) 160
11.2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的深度強(qiáng)化學(xué)習(xí) 160
11.2.2 基于遞歸神經(jīng)網(wǎng)絡(luò)的深度強(qiáng)化學(xué)習(xí) 162
11.3 案例與實(shí)踐 164
11.3.1 玩Atari游戲 164
11.3.2 目標(biāo)檢測 165
11.3.3 目標(biāo)跟蹤 167
本章參考文獻(xiàn) 171
第12章 圖神經(jīng)網(wǎng)絡(luò) 172
12.1 結(jié)構(gòu)和原理 172
12.1.1 圖神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 172
12.1.2 圖神經(jīng)網(wǎng)絡(luò)的原理 173
12.2 幾種經(jīng)典的圖神經(jīng)網(wǎng)絡(luò) 176
12.2.1 基于空間域的圖卷積神經(jīng)網(wǎng)絡(luò) 177
12.2.2 基于譜域的圖卷積神經(jīng)網(wǎng)絡(luò) 181
12.2.3 圖注意力網(wǎng)絡(luò) 182
12.3 案例與實(shí)踐 184
12.3.1 圖像分類 184
12.3.2 目標(biāo)檢測 187
12.3.3 語義分割 190
本章參考文獻(xiàn) 191
第13章 多尺度深度幾何網(wǎng)絡(luò) 194
13.1 多尺度分析 194
13.1.1 小波神經(jīng)網(wǎng)絡(luò) 195
13.1.2 多小波網(wǎng)絡(luò) 196
13.2 多尺度幾何網(wǎng)絡(luò) 201
13.2.1 方向多分辨脊波網(wǎng)絡(luò) 202
13.2.2 深度曲線波散射網(wǎng)絡(luò) 209
13.2.3 輪廓波卷積神經(jīng)網(wǎng)絡(luò) 211
13.3 案例與實(shí)踐 213
13.3.1 極化SAR圖像分類 213
13.3.2 SAR圖像目標(biāo)檢測 216
本章參考文獻(xiàn) 218
第14章 Transformer網(wǎng)絡(luò) 221
14.1 Transformer基礎(chǔ)知識 221
14.1.1 Transformer的介紹 221
14.1.2 Transformer的結(jié)構(gòu)和原理 221
14.2 常見的Transformer變體 225
14.2.1 基于模型架構(gòu)的改進(jìn) 226
14.2.2 基于其他模塊級的改進(jìn) 227
14.3 案例與實(shí)踐 228
14.3.1 圖像分類 228
14.3.2 圖像分割 229
14.3.3 目標(biāo)檢測 232
本章參考文獻(xiàn) 233
第15章 深度學(xué)習(xí)實(shí)驗(yàn)平臺 235
15.1 Pytorch 235
15.1.1 平臺介紹與應(yīng)用優(yōu)勢 235
15.1.2 常用的工具包 236
15.1.3 編碼實(shí)例 236
15.2 Tensorflow 239
15.2.1 平臺介紹與應(yīng)用優(yōu)勢 239
15.2.2 編碼實(shí)例 240
15.2.3 Keras API接口實(shí)例 242
第16章 總結(jié)與展望 244
16.1 深度學(xué)習(xí)的發(fā)展歷程 244
16.2 深度學(xué)習(xí)的未來方向 246
本章參考文獻(xiàn) 247
展開全部
深度學(xué)習(xí)簡明教程 作者簡介
焦李成，男，漢族，1959年10月生，1992年起任西安電子科技大學(xué)教授。現(xiàn)任智能感知與計(jì)算 聯(lián)合研究中心主任、智能感知與圖像理解 重點(diǎn)實(shí)驗(yàn)室主任、智能感知與計(jì)算 合作聯(lián)合實(shí)驗(yàn)室主任、“智能信息處理科學(xué)與技術(shù)”高等學(xué)校學(xué)科創(chuàng)新引智基地（“111計(jì)劃”）主任、 科技委 合作部學(xué)部委員、中國人工智能學(xué)會副理事長、IET西安分會 、IEEE西安分會獎勵委員會 、IEEE計(jì)算智能協(xié)會西安分會 、IEEEGRSS西安分會 ，IEEETGRS副主編、 創(chuàng)新團(tuán)隊(duì)首席專家。 學(xué)位委員會學(xué)科評議組成員、 本科教學(xué)水平評估專家。1991年被批準(zhǔn)為享受 政府津貼的專家，1996年首批入選 “百千萬”人才工程。當(dāng)選為全國模范教師、陜西省師德標(biāo)兵和曾任第八屆 代表。 焦李成教授的主要研究方向?yàn)橹悄芨兄c計(jì)算、圖像理解與目標(biāo)識別、深度學(xué)習(xí)與類腦計(jì)算，培養(yǎng)的十余名博士獲全國 博士學(xué)位論文獎、提名獎及陜西省 博士論文獎。研究成果獲包括 自然科學(xué)獎二等獎及省部級一等獎以上科技獎勵十余項(xiàng)，出版學(xué)術(shù)專著十余部，五次獲 科技圖書獎勵及全國首屆三個(gè)一百 圖書獎。所發(fā)表的論著被他人引用超過25000余篇次，H指數(shù)為65。
書友推薦
- >
巴金－再思錄
- >
名家?guī)阕x魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
名家?guī)阕x魯迅:故事新編
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
龍榆生：詞曲概論/大家小書
本類暢銷
