新書推薦：
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
《
自伤自恋的精神分析
》
售價：NT$
240.0
《
大宋悬疑录：貔貅刑
》
售價：NT$
340.0
《
不被大风吹倒
》
售價：NT$
300.0
《
人生解忧：佛学入门四十讲
》
售價：NT$
490.0
《
东野圭吾：分身（东野圭吾无法再现的双女主之作 奇绝瑰丽、残忍又温情）
》
售價：NT$
295.0
《
浪潮将至
》
售價：NT$
395.0
《
在虚无时代：与马克斯·韦伯共同思考
》
售價：NT$
260.0
|
| 編輯推薦： |
|
《深度学习导论及案例分析》可以作为计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者在具备神经网络基础知识后进一步了解深度学习理论和方法的入门教材或导论性参考书，有助于读者掌握深度学习的主要内容并开展相关研究。
|
| 內容簡介： |
|
本书不仅介绍了深度学习的发展历史，强调了深层网络的特点和优势，说明了判别模型和生成模型的相关概念，而且详述了深度学习的九种重要模型及其学习算法、变种模型和混杂模型，讨论了深度学习在图像处理、语音处理和自然语言处理等领域的广泛应用，也总结了深度学习目前存在的问题、挑战和未来的发展趋势，还分析了一系列深度学习的基本案例。本书可以作为计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者在具备神经网络基础知识后进一步了解深度学习理论和方法的入门教材或导论性参考书，有助于读者掌握深度学习的主要内容并开展相关研究。
|
| 關於作者： |
|
李玉鑑（鉴），北京工业大学教授，博士生导师。华中科技大学本科毕业，中国科学院数学研究所硕士毕业，中国科学院半导体研究所博士毕业，北京邮电大学博士后出站。曾在中国科学院生物物理所工作，对意识的本质问题关注过多年，并在《21世纪100个交叉科学难题》上发表《揭开意识的奥秘》一文，提出了解决意识问题的认知相对论纲领，对脑计划和类脑研究具有宏观指导意义。长期围绕人工智能的核心目标，在神经网络、自然语言处理、模式识别和机器学习等领域开展教学、科研工作，发表国内外期刊、会议论文数十篇，是本书的第壹作者。
|
| 目錄：
|
前言
第一部分基础理论
第1章概述
1.1深度学习的起源和发展
1.2深层网络的特点和优势
1.3深度学习的模型和算法
第2章预备知识
2.1矩阵运算
2.2概率论的基本概念
2.2.1概率的定义和性质
2.2.2随机变量和概率密度函数
2.2.3期望和方差
2.3信息论的基本概念
2.4概率图模型的基本概念
2.5概率有向图模型
2.6概率无向图模型
2.7部分有向无圈图模型
2.8条件随机场
2.9马尔可夫链
2.10概率图模型的学习
2.11概率图模型的推理
2.12马尔可夫链蒙特卡罗方法
2.13玻耳兹曼机的学习
2.14通用反向传播算法
2.15通用逼近定理
第3章受限玻耳兹曼机
3.1受限玻耳兹曼机的标准模型
3.2受限玻耳兹曼机的学习算法
3.3受限玻耳兹曼机的变种模型
第4章自编码器
4.1自编码器的标准模型
4.2自编码器的学习算法
4.3自编码器的变种模型
第5章深层信念网络
5.1深层信念网络的标准模型
5.2深层信念网络的生成学习算法
5.3深层信念网络的判别学习算法
5.4深层信念网络的变种模型
第6章深层玻耳兹曼机
6.1深层玻耳兹曼机的标准模型
6.2深层玻耳兹曼机的生成学习算法
6.3深层玻耳兹曼机的判别学习算法
6.4深层玻耳兹曼机的变种模型
第7章和积网络
7.1和积网络的标准模型
7.2和积网络的学习算法
7.3和积网络的变种模型
第8章卷积神经网络
8.1卷积神经网络的标准模型
8.2卷积神经网络的学习算法
8.3卷积神经网络的变种模型
第9章深层堆叠网络
9.1深层堆叠网络的标准模型
9.2深层堆叠网络的学习算法
9.3深层堆叠网络的变种模型
第10章循环神经网络
10.1循环神经网络的标准模型
10.2循环神经网络的学习算法
10.3循环神经网络的变种模型
第11章长短时记忆网络
11.1长短时记忆网络的标准模型
11.2长短时记忆网络的学习算法
11.3长短时记忆网络的变种模型
第12章深度学习的混合模型、广泛应用和开发工具
12.1深度学习的混合模型
12.2深度学习的广泛应用
12.2.1图像和视频处理
12.2.2语音和音频处理
12.2.3自然语言处理
12.2.4其他应用
12.3深度学习的开发工具
第13章深度学习的总结、批评和展望
第二部分案例分析
第14章实验背景
14.1运行环境
14.2实验数据
14.3代码工具
第15章自编码器降维案例
15.1自编码器降维程序的模块简介
15.2自编码器降维程序的运行过程
15.3自编码器降维程序的代码分析
15.3.1关键模块或函数的主要功能
15.3.2主要代码分析及注释
15.4自编码器降维程序的使用技巧
第16章深层感知器识别案例
16.1深层感知器识别程序的模块简介
16.2深层感知器识别程序的运行过程
16.3深层感知器识别程序的代码分析
16.3.1关键模块或函数的主要功能
16.3.2主要代码分析及注释
16.4深层感知器识别程序的使用技巧
第17章深层信念网络生成案例
17.1深层信念网络生成程序的模块简介
17.2深层信念网络生成程序的运行过程
17.3深层信念网络生成程序的代码分析
17.3.1关键模块或函数的主要功能
17.3.2主要代码分析及注释
17.4深层信念网络生成程序的使用技巧
第18章深层信念网络分类案例
18.1深层信念网络分类程序的模块简介
18.2深层信念网络分类程序的运行过程
18.3深层信念网络分类程序的代码分析
18.3.1关键模块或函数的主要功能
18.3.2主要代码分析及注释
18.4深层信念网络分类程序的使用技巧
第19章深层玻耳兹曼机识别案例
19.1深层玻耳兹曼机识别程序的模块简介
19.2深层玻耳兹曼机识别程序的运行过程
19.3深层玻耳兹曼机识别程序的代码分析
19.3.1关键模块或函数的主要功能
19.32主要代码分析及注释
19.4深层玻耳兹曼机识别程序的使用技巧
第20章卷积神经网络识别案例
20.1DeepLearnToolhox程序的模块简介
20.2DeepLeamToolbox程序的运行过程
20.3DeepLeamToolhox程序的代码分析
20.3.1关键函数的主要功能
20.3.2主要代码分析及注释
20.4DeepLeamToolbox程序的使用技巧
20.5Caffe程序的模块简介
20.6Caffe程序的运行过程
20.7Caffe程序的代码分析
20.7.1关键函数的主要功能
20.7.2主要代码分析及注释
20.8Caffe程序的使用技巧
第21章循环神经网络填充案例
21.1槽值填充的含义
21.2循环神经网络填充程序的模块简介
21.3循环神经网络填充程序的运行过程
21.4循环神经网络填充程序的代码分析
21.4.1关键函数的主要功能
21.4.2主要代码分析及注释
21.5循环神经网络填充程序的使用技巧
第22章长短时记忆网络分类案例
22.1长短时记忆网络分类程序的模块简介
22.2长短时记忆网络分类程序的运行过程
22.3长短时记忆网络分类程序的代码分析
22.3.1关键模块或函数的主要功能
22.3.2主要代码分析及注释
22.4长短时记忆网络分类程序的使用技巧
附录1Caffe在Windows上的安装过程
附录2Theano的安装过程
参考文献
|
| 內容試閱：
|
|
“深度学习”一词大家已经不陌生了，随着在不同领域取得了超越其他方法的成功，深度学习在学术界和工业界掀起了一次神经网络发展史上的新浪潮。运用深度学习解决实际问题，不仅是学术界高素质人才所需的技能，而且是工业界商业巨头进行竞争的核心武器。为适应这一发展的需要，作者以长期的相关研究和教学工作为基础，经过2~3年的调研和努力，终于编写完本书。这是一本关于深度学习的入门教材和导论性参考书，受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者，本书有助于他们在具备神经网络的基础知识后进一步了解深度学习的理论和方法。自2006年诞生以来，深度学习很快成长壮大，并有一些相关的英文书籍陆续出版。虽然国内也开始出现译著，但对深度学习的内容概括得并不全面，远不能够满足市场需求。本书的内容几乎涵盖了深度学习的所有重要方面，结构上分为基础理论和案例分析两个部分。在基础理论部分，本书不仅介绍了深度学习的起源和发展、特点和优势，而且描述了深度学习的9种重要模型，包括受限玻耳兹曼机、自编码器、深层信念网络、深层玻耳兹曼机、和积网络、卷积神经网络、深层堆叠网络、循环神经网络和长短时记忆网络。此外，还讨论了这些模型的学习算法、变种模型和混合模型，以及它们在图像视频处理、音频处理和自然语言处理等领域中的广泛应用，并总结了有关的开发工具、问题和挑战。在案例分析部分，本书主要挑选了一些深度学习的程序案例进行细致的说明和分析，指导读者学习有关的程序代码和开发工具，以便在解决实际问题时加以灵活利用。其中，每个程序案例都包括模块简介、运行过程、代码分析和使用技巧这4个部分，层次结构清晰，以利于读者选择和学习，并在应用中拓展思路。本书的一个不足之处是：案例分析部分没有涉及“和积网络”和“深层堆叠网络”，这是因为和积网络的运行需要大规模集群的硬件条件，另外也很难找到便于构造深层堆叠网络案例的程序代码。本书的一大特色是从初学者的角度出发，在知识结构的布局上注重深入浅出，对深度学习?的模型涵盖得较全面，文献引用非常丰富，既适合读者入门学习，又有助于他们深入钻研。同时，本书也试图纠正许多读者对深度学习的_些错误理解，比如认为多层感知器不是深度学习模型，认为白编码器能够直接用来识别手写字符，认为受限玻耳兹曼机也是严格意义上的深度学习模型，等等。本书的另，个特色是通过程序案例介绍深度学习模型。这对缺乏相关背景知识的读者可能非常有帮助，使他们在知其然不知其所以然的情况F运行深度学习程序并获得计算结果，从而在积累实践经验和感性认识的过程中逐步了解深度学习的有关内容。本书的案例涉及三种常见的编程iIi.寿：Matlab. Pytl，o。，和（：++。其中，很多深度学习程序是用Matlah编写的，可以直接运行。，如果使用Pvlh．，n语言‘编写深度学习程序，则可以调用Theano开源库；若使用c++语言，则r】『以1川Caffe斤源库。不同的语言分析案例有助于读者全面了解深度学习模型和算法的实现途径，并根据自己的熟练程度灵活选择。本扣是集体智慧的结晶。北京工业大学计算机学院的刘波、胡海鹤和刘兆英等老师，以及张、ni红、曾少锋、沈成恺、杨红丽和丁勇等同学，在文献和软件资料的收集整理方面提供了很大帮助：，此外，华章公司的温莉芳副总经理对本书的i…版给予了大力支持，张梦玲编辑对本书内容的编排提出了许多宝贵意见。在这里向他们表示衷心的感谢c，最后，还要感谢父母、爱人和儿女在本书写作期间给予的理解，感谢他们的真情鼓励、默默付im以及埘非规律生活的宽容。同时，作者在此也因减少了对他们的关爱而深表愧疚和歉意。限于作者水平，本书在内容取材和结构编排r町能存在不妥之处，希望使用本书的教师、学生、孥家以及其他读者提出宝贵的批评和建议。，作者2016年8月于北京工业大学
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
