深度學(xué)習：卷積神經(jīng)網(wǎng)絡(luò )算法原理與應用/普通高等教育新工科人才培養規劃教材（大數據專(zhuān)業(yè)）簡(jiǎn)介，目錄書(shū)摘
2019-10-18 14:16
來(lái)源：京東
作者：京東
深度學(xué)習：卷積神經(jīng)網(wǎng)絡(luò )算法原理與應用/普通高等教育新工科人才培養規劃教材（大數據專(zhuān)業(yè)）
暫無(wú)報價(jià)
20+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 考慮到近幾年深度學(xué)習的快速發(fā)展，而此方面的教材缺乏，《深度學(xué)習：卷積神經(jīng)網(wǎng)絡(luò )算法原理與應用/普通高等教育新工科人才培養規劃教材（大數據專(zhuān)業(yè)）》以卷積神經(jīng)網(wǎng)絡(luò )算法原理為基礎，對最近幾年提出的卷積神經(jīng)網(wǎng)絡(luò )進(jìn)行系統介紹。
《深度學(xué)習：卷積神經(jīng)網(wǎng)絡(luò )算法原理與應用/普通高等教育新工科人才培養規劃教材（大數據專(zhuān)業(yè)）》較全面地介紹了卷積神經(jīng)網(wǎng)絡(luò )的基本內容，注重卷積神經(jīng)網(wǎng)絡(luò )的基本概念、基本原理和網(wǎng)絡(luò )結構的闡述。全書(shū)共分為九章，第1章～第3章介紹了深度學(xué)習及卷積神經(jīng)網(wǎng)絡(luò )的概念及發(fā)展，卷積神經(jīng)網(wǎng)絡(luò )相關(guān)的數學(xué)基礎知識，神經(jīng)網(wǎng)絡(luò )的基礎算法原理等知識點(diǎn)：第4章、第5章對卷積神經(jīng)網(wǎng)絡(luò )的基本原理及擴展機制進(jìn)行剖析；第6章介紹了自編碼器的一些基本原理及算法：第7章針對卷積神經(jīng)網(wǎng)絡(luò )的優(yōu)化算法進(jìn)行了詳細的分析說(shuō)明；第8章、第9章是卷積神經(jīng)網(wǎng)絡(luò )的典型結構及卷積神經(jīng)網(wǎng)絡(luò )的壓縮算法應用。
附錄中增加了部分典型卷積神經(jīng)網(wǎng)絡(luò )結構的Matlab及Python程序，結合實(shí)際、突出應用，旨在幫助使用者加深對基本概念的理解和提高綜合問(wèn)題分析的能力。
全書(shū)內容豐富，層次分明，主要面向人工智能及相關(guān)專(zhuān)業(yè)的高年級本科生及研究生，也可做為從事深度學(xué)習的軟件工程師的參考書(shū)目。
《深度學(xué)習：卷積神經(jīng)網(wǎng)絡(luò )算法原理與應用/普通高等教育新工科人才培養規劃教材（大數據專(zhuān)業(yè)）》較全面地介紹了卷積神經(jīng)網(wǎng)絡(luò )的基本內容，注重卷積神經(jīng)網(wǎng)絡(luò )的基本概念、基本原理和網(wǎng)絡(luò )結構的闡述。全書(shū)共分為九章，第1章～第3章介紹了深度學(xué)習及卷積神經(jīng)網(wǎng)絡(luò )的概念及發(fā)展，卷積神經(jīng)網(wǎng)絡(luò )相關(guān)的數學(xué)基礎知識，神經(jīng)網(wǎng)絡(luò )的基礎算法原理等知識點(diǎn)：第4章、第5章對卷積神經(jīng)網(wǎng)絡(luò )的基本原理及擴展機制進(jìn)行剖析；第6章介紹了自編碼器的一些基本原理及算法：第7章針對卷積神經(jīng)網(wǎng)絡(luò )的優(yōu)化算法進(jìn)行了詳細的分析說(shuō)明；第8章、第9章是卷積神經(jīng)網(wǎng)絡(luò )的典型結構及卷積神經(jīng)網(wǎng)絡(luò )的壓縮算法應用。
附錄中增加了部分典型卷積神經(jīng)網(wǎng)絡(luò )結構的Matlab及Python程序，結合實(shí)際、突出應用，旨在幫助使用者加深對基本概念的理解和提高綜合問(wèn)題分析的能力。
全書(shū)內容豐富，層次分明，主要面向人工智能及相關(guān)專(zhuān)業(yè)的高年級本科生及研究生，也可做為從事深度學(xué)習的軟件工程師的參考書(shū)目。
作者簡(jiǎn)介:
目錄:前言
第1章 緒論
1．1 深度學(xué)習
1．1 概述
1．1．2 基本思想
1．1．3 基本分類(lèi)
1．2 卷積神經(jīng)網(wǎng)絡(luò )技術(shù)的發(fā)展與應用
1．2．1 卷積神經(jīng)網(wǎng)絡(luò )的發(fā)展
1．2．2 卷積神經(jīng)網(wǎng)絡(luò )的應用
1．3 自編碼器的發(fā)展及其應用
1．3．1 自編碼器的發(fā)展
1．3．2 自編碼器的應用
第2章 相關(guān)數學(xué)基礎知識
2．1 矩陣
2．1．1 基本概念
2．1．2 矩陣運算
2．2 范數
2．2．1 范數的定義
2．2．2 范數的分類(lèi)及性質(zhì)
2．3 卷積運算
2．3．1 定義
2．3．2 多維數組的卷積
2．4 激活函數
2．4．1 線(xiàn)性激活函數
2．4．2 非線(xiàn)性激活函數
2．5 信息熵
2．5．1 定義
2．5．2 條件熵
2．5．3 相對熵
2．5．4 交叉熵
習題
第3章 神經(jīng)網(wǎng)絡(luò )
3．1 人工神經(jīng)網(wǎng)絡(luò )
3．1．1 人工神經(jīng)元模型
3．1．2 人工神經(jīng)網(wǎng)絡(luò )結構
3．2 BP神經(jīng)網(wǎng)絡(luò )
3．2．1 原理
3．2．2 網(wǎng)絡(luò )結構
3．2．3 BP神經(jīng)算法原理
3．2．4 信號傳遞過(guò)程的實(shí)現
3．2．5 算法分析
習題
第4章 卷積神經(jīng)網(wǎng)絡(luò )
4．1 原理
4．1．1 動(dòng)機
4．1．2 卷積神經(jīng)網(wǎng)絡(luò )特點(diǎn)
4．2 LeNet-5
4．2．1 網(wǎng)絡(luò )總體結構
4．2．2 分層結構
4．3 反向傳播
4．3．1 全連接的反向過(guò)程
4．3．2 卷積的反向過(guò)程
4．3．3 池化的反向過(guò)程
4．3．4 輸出層反向傳播
4．3．5 權值更新
習題
第5章 卷積神經(jīng)網(wǎng)絡(luò )擴展機制
5．1 注意力機制
5．1．1 注意機制的分類(lèi)
5．1．2 深度學(xué)習中的注意機制
5．2 卷積變體
5．2．1 組卷積
5．2．2 深度可分離卷積
5．2．3 膨脹卷積
5．2．4 全卷積網(wǎng)絡(luò )
習題
第6章 自編碼器網(wǎng)絡(luò )
6．1 相關(guān)概念
6．1．1 稀疏性
6．1．2 稀疏編碼
6．2 自編碼器概述
6．3 自編碼器原理
6．4 自編碼器的拓展網(wǎng)絡(luò )
6．4．1 稀疏自編碼
6．4．2 棧式自編碼
6．4．3 去噪自編碼
6．4．4 壓縮自編碼
6．5 自編碼器的編程實(shí)現
習題
第7章 卷積神經(jīng)網(wǎng)絡(luò )的優(yōu)化
7．1 正則化與歸一化
7．1．1 概念
7．1．2 參數范數懲罰
7．1．3 Dropout
7．1．4 歸一化
7．2 基于梯度的優(yōu)化方法
7．2．1 基本算法
7．2．2 自適應學(xué)習率算法
習題
第8章 卷積神經(jīng)網(wǎng)絡(luò )的典型結構
8．1 概述
8．2 AlexNet網(wǎng)絡(luò )
8．2．1 AlexNet基本框架
8．2．2 AlexNet數據處理
8．3 GoogLenet網(wǎng)絡(luò )
8．3．1 背景
8．3．2．Inception Vl
8．3．3 InceptionV2與V3
8．3．4 Inception V4
8．3．5 Xception
8．4 ResNet網(wǎng)絡(luò )結構
8．4．1 ResNet網(wǎng)絡(luò )
8．4．2 ReSNeXt
8．5 ShuffleNet網(wǎng)絡(luò )結構
8．5．1 網(wǎng)絡(luò )簡(jiǎn)介
8．5．2 模型結構
8．5．3 ShuffleNet V2
8．6 DenseNet網(wǎng)絡(luò )結構
8．6．1 Dense block
8．6．2 整體結構
8．7 數據集介紹
8．7．1 圖像分類(lèi)數據集
8．7．2 語(yǔ)義分割數據集
第9章 卷積神經(jīng)網(wǎng)絡(luò )的壓縮
9．1 核的稀疏化
9．2 剪枝
9．2．1 剪枝的概念
9．2．2 剪枝的類(lèi)型
9．3 模型量化
9．3．1 量化轉換
9．3．2 向量化
9．4 模型蒸餾
參考文獻
附錄
BP神經(jīng)網(wǎng)絡(luò )實(shí)現人臉識別程序
自編碼器程序
AlexNet程序
GoogLeNet程序
ResNeXt程序
DenseNet程序
第1章 緒論
1．1 深度學(xué)習
1．1 概述
1．1．2 基本思想
1．1．3 基本分類(lèi)
1．2 卷積神經(jīng)網(wǎng)絡(luò )技術(shù)的發(fā)展與應用
1．2．1 卷積神經(jīng)網(wǎng)絡(luò )的發(fā)展
1．2．2 卷積神經(jīng)網(wǎng)絡(luò )的應用
1．3 自編碼器的發(fā)展及其應用
1．3．1 自編碼器的發(fā)展
1．3．2 自編碼器的應用
第2章 相關(guān)數學(xué)基礎知識
2．1 矩陣
2．1．1 基本概念
2．1．2 矩陣運算
2．2 范數
2．2．1 范數的定義
2．2．2 范數的分類(lèi)及性質(zhì)
2．3 卷積運算
2．3．1 定義
2．3．2 多維數組的卷積
2．4 激活函數
2．4．1 線(xiàn)性激活函數
2．4．2 非線(xiàn)性激活函數
2．5 信息熵
2．5．1 定義
2．5．2 條件熵
2．5．3 相對熵
2．5．4 交叉熵
習題
第3章 神經(jīng)網(wǎng)絡(luò )
3．1 人工神經(jīng)網(wǎng)絡(luò )
3．1．1 人工神經(jīng)元模型
3．1．2 人工神經(jīng)網(wǎng)絡(luò )結構
3．2 BP神經(jīng)網(wǎng)絡(luò )
3．2．1 原理
3．2．2 網(wǎng)絡(luò )結構
3．2．3 BP神經(jīng)算法原理
3．2．4 信號傳遞過(guò)程的實(shí)現
3．2．5 算法分析
習題
第4章 卷積神經(jīng)網(wǎng)絡(luò )
4．1 原理
4．1．1 動(dòng)機
4．1．2 卷積神經(jīng)網(wǎng)絡(luò )特點(diǎn)
4．2 LeNet-5
4．2．1 網(wǎng)絡(luò )總體結構
4．2．2 分層結構
4．3 反向傳播
4．3．1 全連接的反向過(guò)程
4．3．2 卷積的反向過(guò)程
4．3．3 池化的反向過(guò)程
4．3．4 輸出層反向傳播
4．3．5 權值更新
習題
第5章 卷積神經(jīng)網(wǎng)絡(luò )擴展機制
5．1 注意力機制
5．1．1 注意機制的分類(lèi)
5．1．2 深度學(xué)習中的注意機制
5．2 卷積變體
5．2．1 組卷積
5．2．2 深度可分離卷積
5．2．3 膨脹卷積
5．2．4 全卷積網(wǎng)絡(luò )
習題
第6章 自編碼器網(wǎng)絡(luò )
6．1 相關(guān)概念
6．1．1 稀疏性
6．1．2 稀疏編碼
6．2 自編碼器概述
6．3 自編碼器原理
6．4 自編碼器的拓展網(wǎng)絡(luò )
6．4．1 稀疏自編碼
6．4．2 棧式自編碼
6．4．3 去噪自編碼
6．4．4 壓縮自編碼
6．5 自編碼器的編程實(shí)現
習題
第7章 卷積神經(jīng)網(wǎng)絡(luò )的優(yōu)化
7．1 正則化與歸一化
7．1．1 概念
7．1．2 參數范數懲罰
7．1．3 Dropout
7．1．4 歸一化
7．2 基于梯度的優(yōu)化方法
7．2．1 基本算法
7．2．2 自適應學(xué)習率算法
習題
第8章 卷積神經(jīng)網(wǎng)絡(luò )的典型結構
8．1 概述
8．2 AlexNet網(wǎng)絡(luò )
8．2．1 AlexNet基本框架
8．2．2 AlexNet數據處理
8．3 GoogLenet網(wǎng)絡(luò )
8．3．1 背景
8．3．2．Inception Vl
8．3．3 InceptionV2與V3
8．3．4 Inception V4
8．3．5 Xception
8．4 ResNet網(wǎng)絡(luò )結構
8．4．1 ResNet網(wǎng)絡(luò )
8．4．2 ReSNeXt
8．5 ShuffleNet網(wǎng)絡(luò )結構
8．5．1 網(wǎng)絡(luò )簡(jiǎn)介
8．5．2 模型結構
8．5．3 ShuffleNet V2
8．6 DenseNet網(wǎng)絡(luò )結構
8．6．1 Dense block
8．6．2 整體結構
8．7 數據集介紹
8．7．1 圖像分類(lèi)數據集
8．7．2 語(yǔ)義分割數據集
第9章 卷積神經(jīng)網(wǎng)絡(luò )的壓縮
9．1 核的稀疏化
9．2 剪枝
9．2．1 剪枝的概念
9．2．2 剪枝的類(lèi)型
9．3 模型量化
9．3．1 量化轉換
9．3．2 向量化
9．4 模型蒸餾
參考文獻
附錄
BP神經(jīng)網(wǎng)絡(luò )實(shí)現人臉識別程序
自編碼器程序
AlexNet程序
GoogLeNet程序
ResNeXt程序
DenseNet程序
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
1
保定大數控機床
5
愛(ài)應用
7
心理教材
10
iphone6s查芯片
11
note3傳感器
13
審計學(xué)第八版
14
leeson電機
15
全國興元
16
測繪考研方向
17
食品理化檢驗學(xué)
19
李世杰于飛
20
帝爾電機
21
河南spc
22
京公網(wǎng)安備 11000002000088號
