- 电子工业出版社
- 9787121335211
- 1-8
- 206262
- 49225403-2
- 平塑勒
- 16开
- 2021年7月
- 408
- 268
- 工学
- 软件工程
- TP273
- 计算机科学与技术
- 研究生、本科
内容简介
本书是深度学习的入门教材，系统地介绍了深度学习的基本概念与实战应用，包括深度学习在图像、语音、文本方向的应用，以及前沿发展等。本书分为10章，大致为3个部分：第1部分（1-3章）介绍深度学习的基础知识。第2部分（4-6章）介绍深度学习的各个方面，从算法设计到模型实现。第3部分（8-10章）介绍深度学习的实战应用以及前沿发展。每章都附有相应的习题和参考文献，以便感兴趣的读者进一步深入思考。 "让学习变得轻松”是本书的基本编写理念。本书适合作为相关专业本科和研究生教材，也适合作为深度学习研究与开发人员的入门书籍。
目录
第1章深度学习的来源与应用 111人工智能的思想、流派与发展起落 1111人工智能的思潮流派和主要研究与应用领域 2112人工智能的三起三落 412什么是深度学习 6121我们不分离——数据和算法 6122深度学习基础 913机器学习与深度学习 10131机器学习的定义与种类 10132机器学习的任务与方法 13133深度学习的提出 1614深度学习的应用场景 18141应用场合和概念层次 18142主要开发工具和框架 20143人工智能、深度学习有关学术会议和赛事 22习题 24参考文献 24第2章深度学习的数学基础 2621线性代数 26211向量空间 26212矩阵分析 2822概率与统计 30221概率与条件概率 30222贝叶斯理论 33223信息论基础 3523多元微积分 39231导数和偏导数 39232梯度和海森矩阵 42233最速下降法 44234随机梯度下降算法 45习题 48参考文献 50第3章人工神经网络与深度学习 5131探秘大脑的工作原理 52311人类活动抽象与深度学习模型 53312人脑神经元的结构 54313人脑神经元功能 55314人脑视觉机理 5732人脑神经元模型 59321人脑神经元模型介绍 60322激活函数 6233M-P模型 64331标准M-P模型 65332改进的M-P模型 6634人脑神经网络的互连结构 66341前馈神经网络 67342反馈网络 6735人工神经网络的学习 68351人工神经网络的学习方式 68352神经网络的学习规则 71353人工神经网络算法基本要求 73354神经网络计算特点 7436人工神经网络的特点 7537神经网络基本概念与功能 76371几个基本概念 76372基本功能 78373感知机的局限性 8338深度学习其他网络结构 84381卷积神经网络 88382循环（递归）神经网络 94习题 97参考文献 98第4章深度学习基本过程 9941正向学习过程 99411正向学习概述 99412正向传播的流程 100413正向传播的详细原理 10042反向调整过程 102421反向调整概述 102422反向传播过程详解 103423深层模型反向调整的问题与对策 10643手写体数字识别实例 107431数据准备 107432网络设计 109433模型训练 115434模型测试 116习题 121参考文献 121第5章深度学习主流模型 12251卷积神经网络 123511CNN概念 123512CNN常用算法 127513CNN训练技巧 13152循环神经网络 132521RNN结构 132522RNN训练 133523RNN训练技巧 135习题 136参考文献 136第6章深度学习的主流开源框架 13861Caffe 138611Caffe框架 138612安装Caffe 139613案例：基于Caffe的目标识别 14562TensorFlow 146621TensorFlow框架 146622安装TensorFlow 147623案例：基于TensorFlow的目标识别 14963其他开源框架 150631CNTK 150632MXNet 151633Theano 151634Torch 151635Deeplearning4j 152习题 153参考文献 153第7章深度学习在图像中的应用 15471图像识别基础 15472基于深度学习的大规模图像识别 155721大规模图像数据库：ImageNet 155722AlexNet网络结构 156723非线性激活函数ReLU 157724在多GPU上进行实现 158725增加训练样本 158726dropout技术 15973应用举例：人脸识别 160731人脸识别的经典流程 160732人脸图像数据库 161733基于深度学习的人脸识别方法 16274应用举例：图像风格化 163741内容重构 164742风格重构 165743内容与风格的重组 16675应用举例：图像标注 167751基于深度网络的图像标注方法概述 168752视觉语义对齐 169753为新图像生成对应文本描述 171习题 172参考文献 172第8章深度学习在语音中的应用 17481语音识别基础 174811人类之间的交流 175812人机交流 175813语音识别系统的基本结构 176814特征提取 176815声学模型 177816语言模型 177817解码器 178818用于语音识别的GMM-HMM模型 17882基于深度学习的连续语音识别 181821DNN-HMM混合系统 181822CD-DNN-HMM的关键模块及分析 18583应用举例：语音输入法 190831案例背景 190832语音输入法设计 191833语音中心SpeechCenter的设计 192834输入法FreeVoice的设计 194835FreeVoice和SpeechCenter之间的通信设计 196习题 198参考文献 198第9章深度学习在文本中的应用 20191自然语言处理基础 201911正则表达式和自动机 202912句法处理 203913词的分类和词性标注 203914上下文无关语法 205915浅层语法分析 205916语义分析 206917语义网络 206918词汇关系信息库 20692基于深度学习的文本处理 207921词汇向量化表示 207922句法分析 209923神经机器翻译 209924情感分析 2109
