深度學(xué)習：入門(mén)與實(shí)踐簡(jiǎn)介，目錄書(shū)摘

　　一線(xiàn)資深技術(shù)專(zhuān)家撰寫(xiě)，凝結其自身多年的實(shí)踐經(jīng)驗，深入淺出闡述深度學(xué)習的發(fā)展歷程、相關(guān)概念和工作原理涉及當前流行的兩個(gè)深度學(xué)習工具：Caffe和TensorFlow，并且初步探討強化學(xué)習的基本原理和應用

　　《深度學(xué)習：入門(mén)與實(shí)踐》由一線(xiàn)資深技術(shù)專(zhuān)家撰寫(xiě)，凝結了其自身多年的實(shí)踐經(jīng)驗，闡述了深度學(xué)習的發(fā)展歷程、相關(guān)概念和工作原理，介紹了兩個(gè)當前流行的深度學(xué)習工具：Caffe 和TensorFlow ，并且初步探討了強化學(xué)習的基本原理和應用。為了幫助初學(xué)者快速上手，《深度學(xué)習：入門(mén)與實(shí)踐》注重從總體框架和脈絡(luò )上把握深度學(xué)習技術(shù)，同時(shí)在闡述原理時(shí)配以簡(jiǎn)單的實(shí)例供讀者印證。 

　　《深度學(xué)習：入門(mén)與實(shí)踐》語(yǔ)言生動(dòng)風(fēng)趣，以通俗的語(yǔ)言講述復雜的原理，循循善誘，深入淺出，深度學(xué)習：入門(mén)與實(shí)踐適合有志于從事人工智能、深度學(xué)習相關(guān)研究的信息類(lèi)專(zhuān)業(yè)的高年級本科生或研究生閱讀，也可供業(yè)界準備或正在從事深度學(xué)習、機器視覺(jué)等相關(guān)研發(fā)工作的工程技術(shù)人員參考。 

　　龍飛，高級工程師，本科畢業(yè)于南京大學(xué)，博士畢業(yè)于清華大學(xué)，香港科技大學(xué)博士后。曾供職于中國電子科技集團公司第五十四研究所?，F任中國搜索創(chuàng )新研發(fā)部總監。負責公司互聯(lián)網(wǎng)創(chuàng )新產(chǎn)品和人工智能、大數據相關(guān)項目的研發(fā)。主持并參與了國搜識圖、國搜學(xué)術(shù)、國搜圖書(shū)等平臺和頻道的研發(fā)與上線(xiàn)。主要研究方向為網(wǎng)絡(luò )路由、無(wú)線(xiàn)網(wǎng)狀網(wǎng)絡(luò )，近年涉足深度學(xué)習、數據挖掘領(lǐng)域。在國內外發(fā)表學(xué)術(shù)論文20余篇，獲得軟件著(zhù)作權5項，并著(zhù)有中文專(zhuān)著(zhù)2部，英文專(zhuān)著(zhù)1部，譯著(zhù)2部。

目錄

第1章緒論

1.1引言

1.2基本概念

1.2.1回歸、分類(lèi)、聚類(lèi)

1.2.2監督學(xué)習、非監督學(xué)習、半監督學(xué)習、強化學(xué)習

1.2.3感知機、神經(jīng)網(wǎng)絡(luò )

1.3發(fā)展歷程

1.4相關(guān)學(xué)者與會(huì )議或賽事

1.5本章小結

參考文獻

第2章回歸

2.1線(xiàn)性回歸

2.1.1問(wèn)題描述

2.1.2問(wèn)題求解

2.1.3工具實(shí)現

2.2邏輯回歸

2.2.1問(wèn)題描述

2.2.2問(wèn)題求解

2.2.3工具實(shí)現

2.3本章小結

參考文獻

第3章人工神經(jīng)網(wǎng)絡(luò )

3.1Rosenblatt感知機

3.1.1訓練方法

3.1.2算法實(shí)例

3.1.3梯度下降

3.2人工神經(jīng)網(wǎng)絡(luò )

3.2.1網(wǎng)絡(luò )架構

3.2.2訓練方法

3.2.3算法實(shí)例

3.3本章小結

參考文獻

深度學(xué)習：入門(mén)與實(shí)踐

目錄

第4章Caffe簡(jiǎn)介

4.1CNN原理

4.1.1卷積

4.1.2池化

4.1.3LeNet5

4.2Caffe架構

4.2.1Blob類(lèi)

4.2.2Layer類(lèi)

4.2.3Net類(lèi)

4.2.4Solver類(lèi)

4.3Caffe應用實(shí)例

4.3.1車(chē)型識別

4.3.2目標檢測

4.4本章小結

參考文獻

第5章TensorFlow簡(jiǎn)介

5.1TensorFlow架構

5.2TensorFlow簡(jiǎn)單應用

5.2.1TensorFlow安裝

5.2.2線(xiàn)性回歸

5.3TensorFlow高級應用

5.3.1MNIST手寫(xiě)數字識別

5.3.2車(chē)型識別

5.4本章小結

參考文獻

第6章強化學(xué)習簡(jiǎn)介

6.1強化學(xué)習基本原理

6.2AlphaGo基本架構

6.3其他趣味應用

6.4本章小結

參考文獻

后記