科技 类型
可以朗读 语音朗读
199千字 字数
2020-12-01 发行日期
展开全部

主编推荐语

本书系统性地介绍了深度学习的原理、关键技术及相关应用。

内容简介

本书首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手，这些预备知识可以帮助读者更好地理解深度学习技术。

接着对深度学习方法和技术进行了详细介绍，包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等，针对每个技术都力图用简单易懂的语言、详尽的公式推导说明和生动的图形展示知识点，并附上应用样例，便于读者将概念、原理、公式和应用融会贯通。

本书还考虑到初学者尽快入门的需求，对深度学习开发工具和处理技巧进行了细致的梳理和总结。最后本书对深度学习应用前景、发展趋势、未来研究趋势等进行了分析，具有一定前瞻性。本书涵盖了大量深度学习的技术细节，适用于不同层次的读者。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 深度学习概述
  • 1.1 什么是深度学习
  • 1.2 为什么会出现深度学习
  • 1.3 深度学习方法的分类
  • 1.4 人工神经网络的发展简史
  • 思考题
  • 第2章 必备的数学知识
  • 2.1 线性代数
  • 2.1.1 矩阵
  • 2.1.2 向量
  • 2.2 微积分
  • 2.2.1 微分
  • 2.2.2 积分
  • 2.3 概率统计
  • 2.3.1 随机事件
  • 2.3.2 概率的定义
  • 2.3.3 条件概率和贝叶斯公式
  • 2.3.4 常用概率模型
  • 2.3.5 随机变量与概率分布
  • 2.3.6 随机变量的数字特征
  • 2.3.7 典型的概率分布
  • 2.3.8 统计与概率
  • 2.3.9 样本与总体
  • 2.3.10 统计量与抽样分布
  • 2.3.11 参数估计
  • 第3章 神经网络
  • 3.1 生物神经元
  • 3.2 M-P模型
  • 3.3 前馈神经网络
  • 3.4 感知器
  • 3.4.1 单层感知器
  • 3.4.2 多层感知器
  • 3.5 神经网络的学习
  • 3.5.1 数据驱动
  • 3.5.2 损失函数
  • 3.5.3 激活函数
  • 3.5.4 似然函数
  • 3.5.5 梯度与梯度下降法
  • 3.5.6 学习率
  • 3.5.7 学习规则
  • 3.6 误差反向传播算法
  • 3.7 随机梯度下降法
  • 3.8 神经网络学习算法的基本步骤
  • 思考题
  • 第4章 卷积神经网络
  • 4.1 卷积神经网络的结构
  • 4.2 输入层
  • 4.3 卷积层
  • 4.4 池化层
  • 4.5 全连接层
  • 4.6 输出层
  • 4.7 卷积神经网络的训练方法
  • 4.8 卷积神经网络的可视化
  • 4.8.1 特征图可视化
  • 4.8.2 卷积核可视化
  • 4.8.3 类激活图可视化
  • 4.8.4 可视化工具（Deep Visualization Toolbox）
  • 4.9 典型的卷积神经网络
  • 4.9.1 LeNet神经网络
  • 4.9.2 AlexNet
  • 4.9.3 VGGNet
  • 4.9.4 GoogLeNet
  • 4.9.5 ResNet
  • 4.9.6 基于AlexNet的人脸识别
  • 思考题
  • 第5章 反馈神经网络
  • 5.1 Hopfield神经网络
  • 5.2 离散型Hopfield神经网络
  • 5.2.1 离散型Hopfield神经网络的结构
  • 5.2.2 离散型Hopfield神经网络的状态变化规律
  • 5.2.3 离散型Hopfield神经网络的稳态判别函数
  • 5.2.4 离散型Hopfield神经网络的联想记忆
  • 5.2.5 离散型Hopfield神经网络的模式识别例子
  • 5.2.6 离散型Hopfield神经网络的权重设置
  • 5.2.7 离散型Hopfield神经网络的不足
  • 5.3 连续型Hopfield神经网络
  • 5.3.1 连续型Hopfield神经网络结构及其稳定性分析
  • 5.3.2 连续型Hopfield神经网络解决旅行商问题
  • 5.4 玻尔兹曼机
  • 5.5 受限玻尔兹曼机
  • 5.6 对比散度算法
  • 5.7 深度信念网络
  • 思考题
  • 第6章 自编码器
  • 6.1 自编码器
  • 6.2 降噪自编码器
  • 6.3 稀疏自编码器
  • 6.4 栈式自编码器
  • 6.5 变分自编码器
  • 思考题
  • 第7章 循环神经网络
  • 7.1 循环神经网络概述
  • 7.2 隐马尔可夫链
  • 7.3 循环神经网络架构
  • 7.4 LSTM
  • 7.4.1 基于LSTM预测彩票
  • 7.4.2 基于LSTM生成古诗词
  • 思考题
  • 第8章 生成对抗网络
  • 8.1 生成对抗网络概述
  • 8.2 生成对抗网络
  • 8.3 条件生成对抗网络
  • 8.4 深度对抗生成网络
  • 8.5 基于DCGAN生成人脸图片
  • 8.5.1 准备数据集
  • 8.5.2 构建模型
  • 思考题
  • 第9章 学习有关的处理技巧
  • 9.1 训练样本
  • 9.2 数据预处理
  • 9.3 Dropout与DropConnect
  • 9.4 正则化
  • 9.5 权重的初值设置
  • 思考题
  • 第10章 深度学习开发工具
  • 10.1 TensorFlow
  • 10.1.1 安装TensorFlow
  • 10.1.2 TensorFlow运行环境
  • 10.1.3 TensorFlow基本要素
  • 10.1.4 TensorFlow运行原理
  • 10.1.5 TensorFlow编程识别手写数字实例
  • 10.1.6 TensorBoard可视化工具
  • 10.2 Caffe
  • 10.2.1 Caffe的安装
  • 10.2.2 Caffe的应用实例
  • 思考题
  • 第11章 自动化机器学习
  • 11.1 AutoML简介
  • 11.2 AutoML与传统方法的对比
  • 11.3 现有AutoML平台产品
  • 11.3.1 谷歌Cloud AutoML
  • 11.3.2 百度EasyDL
  • 11.3.3 阿里云PAI
  • 第12章 深度学习的未来
  • 12.1 物体识别
  • 12.2 物体检测
  • 12.3 图像分割
  • 12.4 回归问题
  • 12.4.1 人体姿态估计
  • 12.4.2 面部器官检测
  • 12.5 图像标注生成
  • 12.6 图像风格变换
  • 12.7 自动驾驶
  • 12.8 强化学习
  • 12.9 深度学习的最新应用
  • 12.9.1 AlphaGo围棋机器人
  • 12.9.2 人机对话
  • 12.9.3 视频换脸
  • 12.9.4 无人机自动控制
  • 12.9.5 机器人行动协同
  • 12.9.6 医疗自动诊断
  • 12.10 深度学习的发展趋势分析
  • 12.10.1 深度学习技术现状
  • 12.10.2 深度学习发展趋势
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。