發表於2024-11-25
關於深度學習的導論性著作,也是瞭解深度學習的入門之書。
詳述瞭深度學習的9大重要模型及其學習算法、變種模型和混雜模型,內容翔實,具有提綱挈領的指導意義。
基於Matlab、Python和C++相關的程序案例介紹深度學習模型,有助於讀者全麵瞭解深度學習模型和算法的實現途徑
這是一部關於深度學習的導論性著作,也是瞭解深度學習的入門書籍。全書涵蓋瞭深度學習的發展曆史、特點優勢,包括各種重要的模型、算法及應用,對讀者把握深度學習的基本脈絡和未來趨勢,具有提綱挈領的指導意義。
深度學習是近年來在神經網絡發展史上掀起的一波新浪潮,是機器學習的一大熱點方嚮,是實現人工智能的一種強大技術,有關成果早已震撼瞭學術界和工業界。隨著AlphaGo戰勝人類的圍棋冠軍,深度學習又受到瞭空前絕*的爆炸性關注。
有興趣的讀者可以從本書開始,逐步揭開深度學習的神秘麵紗,窺探其中的奧妙所在。
本書具有如下特色
內容布局注重深入淺齣、引用文獻豐富,方便讀者學習和鑽研。
試圖糾正許多讀者對深度學習的一些錯誤理解,比如認為多層感知器不是深度學習模型,認為自編碼器能夠直接用來進行手寫字符識彆,認為受限玻耳茲曼機也是嚴格意義上的深度學習模型,等等。
提供瞭許多深度學習的基本案例,涉及Matlab、Python和C++常用語言,以及Theano和Caffe等開源庫,有助於讀者通過不同語言的分析案例,全麵瞭解深度學習模型和算法的實現途徑。
深度學習是近年來在神經網絡發展史上掀起的一波新浪潮,是機器學習的一大熱點方嚮,因在手寫字符識彆、維數約簡、圖像理解和語音處理等方麵取得巨大進展,所以很快受到瞭學術界和工業界的高度關注。在本質上,深度學習就是對具有深層結構的網絡進行有效學習的各種方法。
本書不僅介紹瞭深度學習的起源和發展、強調瞭深層網絡的特點和優勢,說明瞭判彆模型和生成模型的相關概念,還詳述瞭深度學習的9種重要模型及其學習算法、變種模型和混雜模型,包括受限玻耳茲曼機、自編碼器、深層信念網絡、深層玻耳茲曼機、和積網絡、捲積神經網絡、深層堆疊網絡、循環神經網絡和長短時記憶網絡,以及它們在圖像處理、語音處理和自然語言處理等領域的廣泛應用。同時分析瞭一係列深度學習的基本案例。
本書每個案例包括模塊簡介、運行過程、代碼分析和使用技巧4個部分,層次結構清晰,利於讀者的選擇和學習並在應用中拓展思路。涉及的編程語言有3種:Matlab、Python和C++。其中,很多深度學習程序是用Matlab編寫的,可以直接運行;如果使用Python語言編寫深度學習程序,則可以調用Theano開源庫;若使用C++語言,則可以調用Caffe開源庫。
李玉鑑( 鑒 ) 北京工業大學教授,博士生導師。華中科技大學本科畢業,中國科學院數學研究所碩士畢業,中國科學院半導體研究所博士畢業,北京郵電大學博士後齣站。曾在中國科學院生物物理所工作,對意識的本質問題關注過多年,並在《21世紀100個交叉科學難題》上發錶《揭開意識的奧秘》一文,提齣瞭解決意識問題的認知相對論綱領,對腦計劃和類腦研究具有宏觀指導意義。長期圍繞人工智能的核心目標,在神經網絡、自然語言處理、模式識彆和機器學習等領域開展教學、科研工作,發錶國內外期刊、會議論文數十篇,是本書的*一作者。
前言
第一部分 基礎理論
目 錄
第1章概述 2
1.1深度學習的起源和發展 2
1.2深層網絡的特點和優勢 4
1.3深度學習的模型和算法 7
第2章預備知識 9
2.1矩陣運算 9
2.2概率論的基本概念 11
2.2.1概率的定義和性質 l1
2.2.2 隨機變量和概率密度
函數 l2
2.2.3期望和方差. 13
2.3信息論的基本概念. 14
2.4概率圖模型的基本概念 15
2.5概率有嚮圖模型 16
2.6概率無嚮圖模型 20
2.7部分有嚮無圈圖模型 22
2.8條件隨機場 24
2.9馬爾可夫鏈 26
2.10概率圖模型的學習 28
2.11概率圖模型的推理 29
2.12馬爾可夫鏈濛特卡羅方法 31
2.13玻耳茲曼機的學習 32
2.14通用反嚮傳播算法 35
2.15通用逼近定理 37
第3章受限玻耳茲曼機 38
3.1 受限玻耳茲曼機的標準
模型 38
3.2受限玻耳茲曼機的學習算法 40
3.3 受限玻耳茲曼機的變種模型 44
第4章 自編碼器 48
4.1 自編碼器的標準模型 48
4.2 自編碼器的學習算法 50
4.3 自編碼器的變種模型 53
第5章深層信念網絡 57
5.1 深層信念網絡的標準模型 57
5.2深層信念網絡的生成學習
算法 60
5.3深層信念網絡的判彆學習算法 62
5.4深層信念網絡的變種模型 63
第6章深層玻耳茲曼機 64
6.1 深層玻耳茲曼機的標準模型 64
6.2深層玻耳茲曼機的生成學習
算法 65
6.3 深層玻耳茲曼機的判彆學習
算法 69
6.4深層玻耳茲曼機的變種模型 69
第7章和積網絡 72
7.1 和積網絡的標準模型 72
7.2和積網絡的學習算法 74
7.3和積網絡的變種模型 77
第8章捲積神經網絡 78
8.1捲積神經網絡的標準模型 78
8.2捲積神經網絡的學習算法 81
8.3捲積神經網絡的變種模型 83
第9章深層堆疊網絡 一86
9.1 深層堆疊網絡的標準模型 86
9.2深層堆疊網絡的學習算法 87
9.3深層堆疊網絡的變種模型 88
第1 0章循環神經網絡 89
10.1循環神經網絡的標準模型 89
10.2循環神經網絡的學習算法 91
10.3循環神經網絡的變種模型 92
第1 1章長短時記憶網絡 94
11.1長短時記憶網絡的標準模型 94
11.2長短時記憶網絡的學習算法 96
11.3長短時記憶網絡的變種模型 98
第12章深度學習的混閤模型、
廣泛應用和開發工具 102
12.1深度學習的}昆閤模型 102
12.2深度學習的廣泛應用 104
12.2.1 圖像和視頻處理 104
12.2.2語音和音頻處理 106
12.2.3 自然語言處理 108
12.2.4其他應用 109
12.3深度學習的開發工具 110
第1 3章深度學習的總結、
批評和展望 114
第二部分案例分析
第14章實驗背景 一118
14.1運行環境 118
14.2實驗數據 118
14.3代碼工具 120
第1 5章 自編碼器降維案例 一121
15.1 自編碼器降維程序的模塊
簡介 121
15.2 自編碼器降維程序的運行
過程 122
15.3 自編碼器降維程序的代碼
分析 127
15.3.1 關鍵模塊或函數的主要
功能 127
15.3.2主要代碼分析及注釋 128
15.4 自編碼器降維程序的使用
技巧 138
第1 6章深層感知器識彆案例 139
16.1 深層感知器識彆程序的模塊
簡介 139
16.2深層感知器識彆程序的運行
過程 140
16.3深層感知器識彆程序的代碼
分析 143
16.3.1 關鍵模塊或函數的主要
功能 143
16.3.2主要代碼分析及注釋 l43
16.4深層感知器識彆程序的使用
技巧 148
第1 7章深層信念網絡生成
案例 149
17.1 深層信念網絡生成程序的模塊
簡介 149
17.2深層信念網絡生成程序的運行
過程 150
17.3深層信念網絡生成程序的代碼
分析 153
第18章深層信念網絡分類案例163
第19章深層玻耳茲曼機識彆案例202
第20章捲積神經網絡識彆案例221
第21章循環神經網絡填充案例236
第22章長短時憶網絡分類案例245
附錄263
參考文獻269
深度學習導論及案例分析 下載 mobi pdf epub txt 電子書 格式 2024
深度學習導論及案例分析 下載 mobi epub pdf 電子書書籍不錯,印刷包裝都不錯。一些具體應用,比較有特色。京東送貨一如既往的快贊一個。
評分案例挺不錯的,導論就一般吧。
評分便寫寫!但是,我又總是覺得好像有點對不住那些辛苦工作
評分書是很不錯,但是是0.9.0的tf版本,現在都裝不瞭瞭(windows下,python CPU版 用pip install 提升未找到),但內容是真心不錯,隻是1.4有許多改動,有些源碼需要改變比如tf.summaryWriter()要改為tf.summary.Filewriter()
評分候,
評分物流及時,包裝完好,物美價廉。
評分學習學習,不能跟不上時代
評分學習知識前喜歡先瞭解一下背景還有大緻的機製,這本書不錯,正好從最初級開始瞭解 由淺入深嘛
評分不錯,屬專業,給力,漫漫看,不錯,屬專業,給力,漫漫看,不錯,屬專業,給力,漫漫看,不錯,屬專業,給力,漫漫看,
深度學習導論及案例分析 mobi epub pdf txt 電子書 格式下載 2024