掃一掃
關(guān)注中圖網(wǎng)
官方微博
簡明神經(jīng)網(wǎng)絡(luò) 版權(quán)信息
- ISBN：9787111765400
- 條形碼：9787111765400 ; 978-7-111-76540-0
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
簡明神經(jīng)網(wǎng)絡(luò) 本書特色
本書從神經(jīng)元出發(fā)介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，深入淺出地講解神經(jīng)元、單層感知機(jī)、多層感知機(jī)、神經(jīng)網(wǎng)絡(luò)的模型優(yōu)化等神經(jīng)網(wǎng)絡(luò)的內(nèi)部邏輯。通過本書，讀者能理解并靈活運(yùn)用神經(jīng)網(wǎng)絡(luò)。本書包含豐富的編程實(shí)例分析，讀者在了解理論基礎(chǔ)的同時(shí)，可以將神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于實(shí)踐，縱向拓展知識(shí)深度。本書是江蘇省高等學(xué)校重點(diǎn)教材（編號：2021-2-298）、工業(yè)和信息化部“十四五”規(guī)劃教材研究基地教材，也是南京大學(xué)研究生“三個(gè)一百”優(yōu)質(zhì)課程建設(shè)項(xiàng)目建設(shè)成果。
簡明神經(jīng)網(wǎng)絡(luò) 內(nèi)容簡介
本書是神經(jīng)網(wǎng)絡(luò)課程的入門教材，用通俗易懂的語言講解神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。本書共6章，第1章對神經(jīng)網(wǎng)絡(luò)領(lǐng)域進(jìn)行概述，包括其歷史和應(yīng)用；第2章深入探討神經(jīng)元的數(shù)學(xué)模型，包括其輸入、權(quán)值、偏置和激活函數(shù)；第3章介紹感知機(jī)的概念，討論感知機(jī)的結(jié)構(gòu)，并解釋如何用它來解決簡單的分類問題；第4章介紹多層感知機(jī)的概念，講述如何使用前饋傳播和反向傳播，同時(shí)詳細(xì)介紹了反向傳播中用到的鏈?zhǔn)椒▌t；第5章涵蓋訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)使用的各種參數(shù)和算子；第6章介紹神經(jīng)網(wǎng)絡(luò)的分布式學(xué)習(xí)、壓縮和解釋，其中分布式學(xué)習(xí)涵蓋使用多臺(tái)計(jì)算機(jī)或設(shè)備在大型數(shù)據(jù)集上訓(xùn)練神經(jīng)網(wǎng)絡(luò)的內(nèi)容。
簡明神經(jīng)網(wǎng)絡(luò) 目錄
目 錄前言主要符號表第 1 章 緒論 11.1 神經(jīng)網(wǎng)絡(luò)簡介 11.1.1 神經(jīng)網(wǎng)絡(luò)的定義 11.1.2 神經(jīng)網(wǎng)絡(luò)的工作過程 21.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 51.3 神經(jīng)網(wǎng)絡(luò)的研究目標(biāo) 71.4 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 81.4.1 歷史大事件概述 81.4.2 神經(jīng)網(wǎng)絡(luò)領(lǐng)域的重要人物及團(tuán)隊(duì) 131.4.3 神經(jīng)網(wǎng)絡(luò)領(lǐng)域的重要期刊 151.5 神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀 16目 錄前言主要符號表第 1 章 緒論 11.1 神經(jīng)網(wǎng)絡(luò)簡介 11.1.1 神經(jīng)網(wǎng)絡(luò)的定義 11.1.2 神經(jīng)網(wǎng)絡(luò)的工作過程 21.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 51.3 神經(jīng)網(wǎng)絡(luò)的研究目標(biāo) 71.4 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 81.4.1 歷史大事件概述 81.4.2 神經(jīng)網(wǎng)絡(luò)領(lǐng)域的重要人物及團(tuán)隊(duì) 131.4.3 神經(jīng)網(wǎng)絡(luò)領(lǐng)域的重要期刊 151.5 神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀 161.6 神經(jīng)網(wǎng)絡(luò)的研究方法 171.7 小結(jié) 18練習(xí) 19第 2 章 神經(jīng)元 202.1 神經(jīng)元模型 202.1.1 生物神經(jīng)元 202.1.2 人工神經(jīng)元 222.2 神經(jīng)元的組成成分 262.2.1 神經(jīng)元的激發(fā) 272.2.2 神經(jīng)元的整合 322.3 感知機(jī)神經(jīng)元 352.3.1 感知機(jī)神經(jīng)元模型 352.3.2 感知機(jī)神經(jīng)元的學(xué)習(xí) 362.3.3 感知機(jī)神經(jīng)元的學(xué)習(xí)規(guī)則 372.3.4 神經(jīng)元模型的特性 402.4 神經(jīng)元的應(yīng)用 412.4.1 單元線性回歸 412.4.2 多元線性回歸 452.4.3 雙輸入–單輸出的線性分類 472.4.4 單個(gè)神經(jīng)元的局限 492.5 小結(jié) 51練習(xí) 52第 3 章 單層感知機(jī) 543.1 神經(jīng)元的連接 543.1.1 神經(jīng)元的連接概述 543.1.2 神經(jīng)網(wǎng)絡(luò)的擴(kuò)展 563.1.3 其他連接方式 573.2 單層感知機(jī) 603.2.1 單層感知機(jī)的結(jié)構(gòu)和數(shù)學(xué)表達(dá) 603.2.2 *小均方算法 623.2.3 *小均方算法的優(yōu)勢與缺陷 653.2.4 將*小均方算法用于感知機(jī) 663.2.5 感知機(jī)收斂定理 673.3 單層感知機(jī)的應(yīng)用 693.3.1 用感知機(jī)分析健康及收入狀況 703.3.2 用感知機(jī)求解線性二分類問題 723.3.3 多輸入–多輸出的線性三分類問題 763.4 小結(jié) 77練習(xí) 78第 4 章 多層感知機(jī) 804.1 引入隱藏層的必要性 804.1.1 單層感知機(jī)的局限 804.1.2 單隱藏層神經(jīng)網(wǎng)絡(luò) 814.1.3 單隱藏層神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)表示 824.1.4 多隱藏層 824.2 多層感知機(jī)的基本概念 834.2.1 多層感知機(jī)的數(shù)學(xué)表示 834.2.2 多層感知機(jī)的運(yùn)行 864.2.3 示例：異或問題 874.2.4 示例：雙月模型 894.3 多層感知機(jī)的學(xué)習(xí) 894.3.1 基本原理 894.3.2 感知機(jī)學(xué)習(xí)與逼近方法的數(shù)學(xué)分析 934.3.3 梯度下降法 964.3.4 反向傳播算法 994.3.5 反向傳播算法分析 1064.3.6 反向傳播算法改進(jìn) 1154.4 多層感知機(jī)的深入分析 1214.4.1 通用近似定理 1214.4.2 網(wǎng)絡(luò)結(jié)構(gòu)超參數(shù)選擇 1234.4.3 神經(jīng)元排列方式的影響 1284.5 多層感知機(jī)的應(yīng)用 1314.5.1 環(huán)數(shù)據(jù)集分類任務(wù) 1314.5.2 手寫數(shù)字分類任務(wù) 1324.5.3 Fashion-MNIST 分類任務(wù) 1384.5.4 函數(shù)擬合任務(wù) 1404.5.5 曲面擬合任務(wù) 1414.6 小結(jié) 143練習(xí) 144第 5 章 神經(jīng)網(wǎng)絡(luò)模型優(yōu)化 1475.1 學(xué)習(xí)率 1485.1.1 學(xué)習(xí)率的影響 1485.1.2 常見的學(xué)習(xí)率選擇方法 1485.2 損失函數(shù) 1565.2.1 回歸損失函數(shù) 1565.2.2 分類損失函數(shù) 1585.3 正則化 1635.3.1 泛化能力 1635.3.2 常見的正則化方法 1655.4 歸一化 1705.4.1 簡單的歸一化方法 1705.4.2 神經(jīng)網(wǎng)絡(luò)中的歸一化方法 1705.5 參數(shù)初始化 1765.5.1 全 0 初始化 1775.5.2 常見的權(quán)值矩陣初始化方法 1785.5.3 常見的偏置矩陣初始化方法 1825.5.4 初始化參數(shù)對訓(xùn)練的優(yōu)化程度 1835.6 網(wǎng)絡(luò)預(yù)訓(xùn)練 1845.6.1 無監(jiān)督預(yù)訓(xùn)練 1845.6.2 有監(jiān)督預(yù)訓(xùn)練 1885.7 TREC 分類任務(wù) 1895.7.1 任務(wù)介紹 1895.7.2 解決方案 1895.7.3 實(shí)驗(yàn)結(jié)果 1945.7.4 模型優(yōu)化 1945.8 小結(jié) 200練習(xí) 201第 6 章 神經(jīng)網(wǎng)絡(luò)的分布式學(xué)習(xí)、壓縮和解釋 2056.1 神經(jīng)網(wǎng)絡(luò)分布式學(xué)習(xí) .2056.1.1 分布式學(xué)習(xí)簡介 2066.1.2 常用的分布式劃分方法 2066.1.3 常用的通信機(jī)制 2166.1.4 常用的模型聚合方法 2196.1.5 使用 PyTorch 進(jìn)行分布式學(xué)習(xí) 2216.2 神經(jīng)網(wǎng)絡(luò)壓縮 2246.2.1 神經(jīng)網(wǎng)絡(luò)壓縮的意義和定義 2246.2.2 神經(jīng)網(wǎng)絡(luò)壓縮方法 2266.2.3 神經(jīng)網(wǎng)絡(luò)剪枝 2366.3 神經(jīng)網(wǎng)絡(luò)可解釋性 2426.3.1 神經(jīng)網(wǎng)絡(luò)可解釋性簡介 2436.3.2 神經(jīng)網(wǎng)絡(luò)可解釋性方法分類 2446.3.3 神經(jīng)網(wǎng)絡(luò)可解釋性方法評估 2506.3.4 神經(jīng)網(wǎng)絡(luò)可解釋性研究展望 2516.3.5 使用 PyTorch 進(jìn)行可解釋性分析 2536.4 小結(jié) 257練習(xí) 258參考文獻(xiàn) 261
展開全部
簡明神經(jīng)網(wǎng)絡(luò) 作者簡介
申富饒 南京大學(xué)人工智能學(xué)院教授，博士生導(dǎo)師。主要研究方向包括神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、機(jī)器人智能，發(fā)表學(xué)術(shù)論文130余篇，出版專著及譯著10余部。
書友推薦
- >
山海經(jīng)
- >
月亮與六便士
- >
中國歷史的瞬間
- >
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)
- >
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)
- >
月亮虎
- >
二體千字文
本類暢銷
