人工智能 类型
可以朗读 语音朗读
141千字 字数
2022-08-01 发行日期
展开全部

主编推荐语

本书深入浅出地介绍人工智能发展及深度学习相关知识。

内容简介

本书从人工智能导论入手，阐述人工智能的发展及现状，重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。内容由浅入深，循序渐进，从神经元和感知机入手，逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。

本书知识体系完整，内容覆盖面广，介绍了深度学习中常用的模型和算法，助力读者全方位掌握深度学习的相关知识。本书可作为高等院校计算机等相关专业的教材，也可供人工智能领域的技术人员学习使用，还可以作为人工智能研究人员的参考用书。

目录

  • 版权信息
  • 内容提要
  • 序
  • 前言
  • 第1章 人工智能导论
  • 任务1.1 了解人工智能的发展历程
  • 任务1.2 理解人工智能、机器学习和深度学习之间的关系
  • 任务1.3 了解深度学习的发展与应用情况
  • 1.3.1 深度学习的发展
  • 1.3.2 深度学习的应用情况
  • 本章小结
  • 本章习题
  • 第2章 Keras与环境配置
  • 任务2.1 配置深度学习开发环境
  • 2.1.1 Python开发环境的搭建
  • 2.1.2 Keras与TensorFlow的安装
  • 任务2.2 快速入门Keras
  • 2.2.1 为什么选择Keras
  • 2.2.2 搭建Keras模型
  • 本章小结
  • 本章习题
  • 第3章 机器学习基础
  • 任务3.1 了解机器学习
  • 3.1.1 为什么要让机器学习
  • 3.1.2 机器如何学习
  • 3.1.3 机器学习的算法
  • 任务3.2 理解回归与分类
  • 3.2.1 回归
  • 3.2.2 分类
  • 任务3.3 理解什么是损失函数
  • 3.3.1 损失函数的意义
  • 3.3.2 损失函数的种类
  • 3.3.3 交叉熵损失函数
  • 任务3.4 掌握梯度下降算法
  • 3.4.1 梯度下降概述
  • 3.4.2 学习率
  • 3.4.3 梯度下降的形式
  • 任务3.5 了解机器学习的通用工作流程
  • 本章小结
  • 本章习题
  • 第4章 神经网络基础
  • 任务4.1 了解人工神经元
  • 4.1.1 生物神经元
  • 4.1.2 人工神经元
  • 任务4.2 掌握基础的神经网络结构
  • 4.2.1 多层感知机模型
  • 4.2.2 全连接神经网络
  • 任务4.3 使用Python实现感知机
  • 任务4.4 理解激活函数的作用
  • 4.4.1 激活函数的意义
  • 4.4.2 激活函数的种类
  • 本章小结
  • 本章习题
  • 第5章 反向传播原理
  • 任务5.1 计算神经网络的输出
  • 任务5.2 掌握反向传播算法
  • 5.2.1 反向传播算法的意义
  • 5.2.2 反向传播算法的计算
  • 任务5.3 使用Python实现反向传播算法
  • 本章小结
  • 本章习题
  • 第6章 深度神经网络手写体识别
  • 任务6.1 掌握使用Keras构建神经网络的模型
  • 6.1.1 顺序模型
  • 6.1.2 函数式模型
  • 任务6.2 使用手写体识别数据集MNIST
  • 任务6.3 深度神经网络解决图像分类问题
  • 本章小结
  • 本章习题
  • 第7章 神经网络优化
  • 任务7.1 模型评估
  • 7.1.1 选择一个可靠的模型
  • 7.1.2 欠拟合和过拟合
  • 任务7.2 范数正则化避免过拟合
  • 任务7.3 丢弃法避免过拟合
  • 任务7.4 掌握改进的优化算法
  • 7.4.1 小批量梯度下降
  • 7.4.2 小批量随机梯度下降算法的改进
  • 本章小结
  • 本章习题
  • 第8章 卷积神经网络
  • 任务8.1 初识卷积神经网络
  • 8.1.1 卷积概述
  • 8.1.2 与全连接神经网络的对比
  • 任务8.2 卷积运算
  • 8.2.1 卷积核
  • 8.2.2 填充和步幅
  • 8.2.3 多通道卷积
  • 8.2.4 池化层
  • 任务8.3 LeNet实现图像分类
  • 8.3.1 LeNet——开山之作
  • 8.3.2 LeNet进行图像分类
  • 本章小结
  • 本章习题
  • 第9章 卷积神经网络经典结构
  • 任务9.1 训练深度卷积神经网络
  • 9.1.1 AlexNet
  • 9.1.2 图像增广
  • 9.1.3 实现AlexNet
  • 任务9.2 进一步增加网络的深度
  • 9.2.1 VGG系列
  • 9.2.2 应用VGG16预训练模型进行特征提取
  • 任务9.3 认识并行结构的卷积神经网络
  • 9.3.1 GoogLeNet
  • 9.3.2 Inception块
  • 9.3.3 1×1的卷积核
  • 9.3.4 GoogLeNet的网络结构
  • 任务9.4 把网络深度提升至上百层
  • 9.4.1 深度残差网络
  • 9.4.2 稠密连接网络
  • 本章小结
  • 本章习题
  • 第10章 循环神经网络
  • 任务10.1 对时序数据建模
  • 10.1.1 时序数据
  • 10.1.2 循环神经网络
  • 任务10.2 增加循环神经网络的记忆
  • 10.2.1 长短期记忆网络的原理
  • 10.2.2 基于LSTM实现IMDb电影评论情感分类
  • 任务10.3 优化长短期记忆网络
  • 10.3.1 GRU网络
  • 10.3.2 基于GRU实现IMDb数据预测并与LSTM对比
  • 本章小结
  • 本章习题
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。