人工智能 类型
可以朗读 语音朗读
345千字 字数
2018-04-01 发行日期
展开全部

主编推荐语

深度学习算法及Theano平台实现与应用

内容简介

系统介绍深度学习算法发展情况，以Theano平台为基础，实现当前流行的深度学习算法，包括：卷积神经网络（CNN）、递归神经网络（RNN）、自动编码机（SdA）、受限波兹曼机（RBM）、深度信念网络（DBN），并以MNIST手写数字识别为例，讲解网络实现和用法。介绍深度学习算法云平台构建方法。

目录

  • 封面
  • 书名页
  • 内容简介
  • 版权页
  • 推荐序
  • 前　言
  • 目录
  • 第一部分　深度学习算法概述
  • 第1章　深度学习算法简介
  • 1.1　神经网络发展简史
  • 1.1.1　神经网络第一次兴起
  • 1.1.2　神经网络沉寂期（20世纪80年代—21世纪）
  • 1.1.3　神经网络技术积累期（20世纪90年代—2006年）
  • 1.1.4　深度学习算法崛起（2006年至今）
  • 1.2　深度学习现状
  • 1.2.1　传统神经网络困境
  • 1.2.2　深度多层感知器
  • 1.2.3　深度卷积神经网络
  • 1.2.4　深度递归神经网络
  • 1.3　深度学习研究前瞻
  • 1.3.1　自动编码机
  • 1.3.2　深度信念网络
  • 1.3.3　生成式网络最新进展
  • 1.4　深度学习框架比较
  • 1.4.1　T ensorFlow
  • 1.4.2　T heano
  • 1.4.3　T orch
  • 1.4.4　DeepLearning4J
  • 1.4.5　Caf fe
  • 1.4.6　MXNet
  • 1.4.7　CNTK
  • 1.4.8　深度学习框架造型指导原则
  • 1.5　深度学习入门路径
  • 1.5.1　运行MNIST
  • 1.5.2　深度学习框架的选择
  • 1.5.3　小型试验网络
  • 1.5.4　训练生产网络
  • 1.5.5　搭建生产环境
  • 1.5.6　持续改进
  • 第二部分　深度学习算法基础
  • 第2章　搭建深度学习开发环境
  • 2.1　安装Python开发环境
  • 2.1.1　安装最新版本Python
  • 2.1.2　P ython虚拟环境配置
  • 2.1.3　安装科学计算库
  • 2.1.4　安装最新版本Theano
  • 2.1.5　图形绘制
  • 2.2　NumPy简易教程
  • 2.2.1　P ython基础
  • 2.2.2　多维数组的使用
  • 2.2.3　向量运算
  • 2.2.4　矩阵运算
  • 2.2.5　线性代数
  • 2.3　TensorFlow简易教程
  • 2.3.1　张量定义
  • 2.3.2　变量和placeholder
  • 2.3.3　神经元激活函数
  • 2.3.4　线性代数运算
  • 2.3.5　操作数据集
  • 2.4　Theano简易教程
  • 2.4.1　安装Theano
  • 2.4.2　Thean o入门
  • 2.4.3　Theano矩阵相加
  • 2.4.4　变量和共享变量
  • 2.4.5　随机数的使用
  • 2.4.6　Theano求导
  • 2.5　线性回归
  • 2.5.1　问题描述
  • 2.5.2　线性模型
  • 2.5.3　线性回归学习算法
  • 2.5.4　解析法
  • 2.5.5　Thean o实现
  • 第3章　逻辑回归
  • 3.1　逻辑回归数学基础
  • 3.1.1　逻辑回归算法的直观解释
  • 3.1.2　逻辑回归算法数学推导
  • 3.1.3　牛顿法解逻辑回归问题
  • 3.1.4　通用学习模型
  • 3.2　逻辑回归算法简单应用
  • 3.3　MNIST手写数字识别库简介
  • 3.4　逻辑回归MNIST手写数字识别
  • 第4章　感知器模型和MLP
  • 4.1　感知器模型
  • 4.1.1　神经元模型
  • 4.1.2　神经网络架构
  • 4.2　数值计算形式
  • 4.2.1　前向传播
  • 4.2.2　误差反向传播
  • 4.2.3　算法推导
  • 4.3 向量化表示形式
  • 4.4　应用要点
  • 4.4.1　输入信号模型
  • 4.4.2　权值初始化
  • 4.4.3　早期停止
  • 4.4.4　输入信号调整
  • 4.5　TensorFlow实现MLP
  • 第5章　卷积神经网络
  • 5.1　卷积神经网络原理
  • 5.1.1　卷积神经网络的直观理解
  • 5.1.2　卷积神经网络构成
  • 5.1.3　卷积神经网络设计
  • 5.1.4　迁移学习和网络微调
  • 5.2　卷积神经网络的TensorFlow实现
  • 5.2.1　模型搭建
  • 5.2.2　训练方法
  • 5.2.3　运行方法
  • 第6章　递归神经网络
  • 6.1　递归神经网络原理
  • 6.1.1　递归神经网络表示方法
  • 6.1.2　数学原理
  • 6.1.3　简单递归神经网络应用示例
  • 6.2　图像标记
  • 6.2.1　建立开发环境
  • 6.2.2　图像标记数据集处理
  • 6.2.3　单步前向传播
  • 6.2.4　单步反向传播
  • 6.2.5　完整前向传播
  • 6.2.6　完整反向传播
  • 6.2.7　单词嵌入前向传播
  • 6.2.8　单词嵌入反向传播
  • 6.2.9　输出层前向/反向传播
  • 6.2.10　输出层代价函数计算
  • 6.2.11　图像标注网络整体架构
  • 6.2.12　代价函数计算
  • 6.2.13　生成图像标记
  • 6.2.14　网络训练过程
  • 6.2.15　网络持久化
  • 第7章　长短时记忆网络
  • 7.1　长短时记忆网络原理
  • 7.1.1　网络架构
  • 7.1.2　数学公式
  • 7.2　MNIST手写数字识别
  • 第三部分　深度学习算法进阶
  • 第8章　自动编码机
  • 8.1　自动编码机概述
  • 8.1.1　自动编码机原理
  • 8.1.2　去噪自动编码机
  • 8.1.3　稀疏自动编码机
  • 8.2　去噪自动编码机TensorFlow实现
  • 8.3　去噪自动编码机的Theano实现
  • 第9章　堆叠自动编码机
  • 9.1　堆叠去噪自动编码机
  • 9.2　TensorFlow实现
  • 9.3　Theano实现
  • 第10章　受限玻尔兹曼机
  • 10.1　受限玻尔兹曼机原理
  • 10.1.1　网络架构
  • 10.1.2　能量模型
  • 10.1.3　CD-K算法
  • 10.2　受限玻尔兹曼机TensorFlow实现
  • 10.3　受限玻尔兹曼机Theano实现
  • 第11章　深度信念网络
  • 11.1　深度信念网络原理
  • 11.2　深度信念网络TensorFlow实现
  • 11.3　深度信念网络Theano实现
  • 第四部分　机器学习基础
  • 第12章　生成式学习
  • 12.1　高斯判别分析
  • 12.1.1　多变量高斯分布
  • 12.1.2　高斯判决分析公式
  • 12.2　朴素贝叶斯
  • 12.2.1　朴素贝叶斯分类器
  • 12.2.2　拉普拉斯平滑
  • 12.2.3　多项式事件模型
  • 第13章　支撑向量机
  • 13.1　支撑向量机概述
  • 13.1.1　函数间隔和几何间隔
  • 13.1.2　最优距离分类器
  • 13.2　拉格朗日对偶
  • 13.3　最优分类器算法
  • 13.4　核方法
  • 13.5　非线性可分问题
  • 13.6　SMO算法
  • 13.6.1　坐标上升算法
  • 13.6.2　SMO算法详解
  • 第五部分　深度学习平台API
  • 第14章　Python Web编程
  • 14.1　Python Web开发环境搭建
  • 14.1.1　Cher ryPy框架
  • 14.1.2　Cher ryPy安装
  • 14.1.3　测试CherryPy安装是否成功
  • 14.2　最简Web服务器
  • 14.2.1　程序启动
  • 14.2.2　显示HTML文件
  • 14.2.3　静态内容处理
  • 14.3　用户认证系统
  • 14.4　AJAX请求详解
  • 14.4.1　添加数据
  • 14.4.2　修改数据
  • 14.4.3　删除数据
  • 14.4.4　REST服务实现
  • 14.5　数据持久化技术
  • 14.5.1　环境搭建
  • 14.5.2　数据库添加操作
  • 14.5.3　数据库修改操作
  • 14.5.4　数据库删除操作
  • 14.5.5　数据库查询操作
  • 14.5.6　数据库事务操作
  • 14.5.7　数据库连接池
  • 14.6　任务队列
  • 14.7　媒体文件上传
  • 14.8　Redis操作
  • 14.8.1　Redis安装配置
  • 14.8.2　Redis使用例程
  • 第15章　深度学习云平台
  • 15.1　神经网络持久化
  • 15.1.1　数据库表设计
  • 15.1.2　整体目录结构
  • 15.1.3　训练过程及模型文件保存
  • 15.2　神经网络运行模式
  • 15.3　AJAX请求调用神经网络
  • 15.3.1　显示静态网页
  • 15.3.2　上传图片文件
  • 15.3.3　AJAX接口
  • 15.4　请求合法性验证
  • 15.4.1　用户注册和登录
  • 15.4.2　客户端生成请求
  • 15.4.3　服务器端验证请求
  • 15.5　异步结果处理
  • 15.5.1　网页异步提交
  • 15.5.2　应用队列管理模块
  • 15.5.3　任务队列
  • 15.5.4　结果队列
  • 15.5.5　异步请求处理流程
  • 15.6　神经网络持续改进
  • 15.6.1　应用遗传算法
  • 15.6.2　重新训练
  • 15.6.3　生成式对抗网络
  • 后　记
  • 参考文献
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

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。