掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習-基于MATLAB的設計實例 版權信息
- ISBN：9787512426665
- 條形碼：9787512426665 ; 978-7-5124-2666-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度學習-基于MATLAB的設計實例 本書特色
深度學習如此流行,以至于關于它的資料隨處可見。但往往是理論連篇，并不適合開發者具體使用，本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細致，目的就是希望幫助開發者在學習這個人工智能的過程中不那么痛苦,同時也希望用本書中具體的開發實例講解能夠幫助開發者避免困惑。本書主要考慮了兩類讀者。*類是準備系統地學習深度學習以進一步研究和開發的讀者，書中的示例代碼將更加有助于進一步理解本書所講的內容。第二類是想比從雜志或報紙上獲得更深入的深度學習信息,但不必進行實際研究的讀者。書中概念和示例結果,也有助于您理解深度學習的大多數重要技術。本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。
第1個主題是機器學習。深度學習起源于機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背后的理念。第1章從機器學習與深度學習的關系開始講起,隨后是解決問題的策略和機器學習的基本局限性。深度學習如此流行,以至于關于它的資料隨處可見。但往往是理論連篇，并不適合開發者具體使用，本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細致，目的就是希望幫助開發者在學習這個人工智能的過程中不那么痛苦,同時也希望用本書中具體的開發實例講解能夠幫助開發者避免困惑。本書主要考慮了兩類讀者。*類是準備系統地學習深度學習以進一步研究和開發的讀者，書中的示例代碼將更加有助于進一步理解本書所講的內容。第二類是想比從雜志或報紙上獲得更深入的深度學習信息,但不必進行實際研究的讀者。書中概念和示例結果,也有助于您理解深度學習的大多數重要技術。本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。
第1個主題是機器學習。深度學習起源于機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背后的理念。第1章從機器學習與深度學習的關系開始講起,隨后是解決問題的策略和機器學習的基本局限性。
第2個主題是人工神經網絡這是第2~4章的重點內容。由于深度學習就是采用一種神經網絡的機器學習,所以不能將神經網絡與深度學習分開。第2章從神經網絡的基本概念講起:它的工作原理、體系結構和學習規則,也講到了神經網絡由簡單的單層結構演化為復雜的多層結構的原因。第3章介紹了反向傳播算法,它是神經網絡中一種重要和典型的學習規則,深度學習也使用這種算法。本章解釋了代價函數和學習規則是如何聯系起來的,哪一種代價函數在深度學習中被廣泛使用。第4章介紹了將神經網絡應用到分類問題中的方法。其中單列一節專門講分類,因為它是目前*流行的一種深度學習應用。例如圖像識別是一個分類問題,也是深度學習的一種主要應用。
第3個主題是深度學習,也是本書的重點,將在第5章和第6章中講解。第5章介紹了使深度學習能夠產生卓越性能的驅動因素。第6章講解了卷積神經網絡,本章首先介紹了卷積神經網絡的基本概念和結構,并與前面的圖像識別算法進行了比較;隨后解釋了卷積層和池化層的作用和運算方法,它們是卷積神經網絡的重要組成部分。第6章也包含了一個用卷積神經網絡進行數字圖像識別的例子,并研究了圖像通過各層的演化過程。
深度學習-基于MATLAB的設計實例 內容簡介
深度學習如此流行,以至于關于它的資料隨處可見。但往往是理論連篇，并不適合開發者具體使用，本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細致，目的就是希望幫助開發者在學習這個人工智能的過程中不那么痛苦,同時也希望用本書中具體的開發實例講解能夠幫助開發者避免困惑。本書主要考慮了兩類讀者。**類是準備系統地學習深度學習以進一步研究和開發的讀者，書中的示例代碼將更加有助于進一步理解本書所講的內容。第二類是想比從雜志或報紙上獲得更深入的深度學習信息,但不必進行實際研究的讀者。書中概念和示例結果,也有助于您理解深度學習的大多數重要技術。 本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。 第1個主題是機器學習。深度學習起源于機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背后的理念。第1章從機器學習與深度學習的關系開始講起,隨后是解決問題的策略和機器學習的基本局限性。 第2個主題是人工神經網絡這是第2~4章的重點內容。由于深度學習就是采用一種神經網絡的機器學習,所以不能將神經網絡與深度學習分開。第2章從神經網絡的基本概念講起:它的工作原理、體系結構和學習規則,也講到了神經網絡由簡單的單層結構演化為復雜的多層結構的原因。第3章介紹了反向傳播算法,它是神經網絡中一種重要和典型的學習規則,深度學習也使用這種算法。本章解釋了代價函數和學習規則是如何聯系起來的,哪一種代價函數在深度學習中被廣泛使用。第4章介紹了將神經網絡應用到分類問題中的方法。其中單列一節專門講分類,因為它是目前*流行的一種深度學習應用。例如圖像識別是一個分類問題,也是深度學習的一種主要應用。 第3個主題是深度學習,也是本書的重點,將在第5章和第6章中講解。第5章介紹了使深度學習能夠產生卓越性能的驅動因素。第6章講解了卷積神經網絡,本章首先介紹了卷積神經網絡的基本概念和結構,并與前面的圖像識別算法進行了比較;隨后解釋了卷積層和池化層的作用和運算方法,它們是卷積神經網絡的重要組成部分。第6章也包含了一個用卷積神經網絡進行數字圖像識別的例子,并研究了圖像通過各層的演化過程。
深度學習-基于MATLAB的設計實例 目錄
第1章 機器學習
1.1 機器學習與深度學習
1.2 什么是機器學習
1.3 機器學習的挑戰
1.4 過擬合
1.5 直面過擬合
1.6 機器學習的類型
1.7 分類和回歸
1.8 總 結
第2章 神經網絡
2.1 概 述
2.2 神經網絡節點
2.3 多層神經網絡
2.4 神經網絡的監督學習
2.5 單層神經網絡訓練:增量規則
2.6 廣義增量規則
2.7 隨機梯度下降算法、批量算法和小批量算法
2.7.1 隨機梯度下降算法
2.7.2 批量算法
2.7.3 小批量算法
2.8 示例:增量規則
2.8.1 隨機梯度下降算法的實現
2.8.2 批量算法的實現
2.8.3 隨機梯度下降算法與批量算法的比較
2.9 單層神經網絡的局限性
2.10 總 結
第3章 訓練多層神經網絡
3.1 概 述
3.2 反向傳播算法
3.3 示 例
3.3.1 XOR問題
3.3.2 動量法(Momentum)
3.4 代價函數和學習規則
3.5 示 例
3.5.1 交叉熵函數
3.5.2 代價函數的比較
3.6 總 結
第4章 神經網絡及其分類
4.1 概 述
4.2 二分類
4.3 多分類
4.4 示例:多分類
4.5 總 結
第5章 深度學習
5.1 概 述
5.2 深度神經網絡的進化
5.2.1 梯度消失
5.2.2 過擬合
5.2.3 計算量的增加
5.3 示 例
5.3.1 ReLU 函數
5.3.2 節點丟棄
5.4 總 結
第6章 卷積神經網絡
6.1 概 述
6.2 卷積神經網絡的架構
6.3 卷積層
6.4 池化層
6.5 示例:MNIST
6.6 總 結
索 引
展開全部
深度學習-基于MATLAB的設計實例 作者簡介
作者簡介： Phil Kim，博士，從事無人駕駛飛機自主飛行算法和機載軟件的開發和研制工作。同時，他作為一名經驗豐富的MATLAB程序員，一直致力于使用MATLAB進行人工智能、深度學習的大數據集繪制和分析算法的研究，先后在美國出版了MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples 等書籍，在人工智能和MATLAB領域享有較高聲譽。 譯者簡介： 鄒偉，副研究員，北京睿客邦科技有限公司CEO，并成立了中科院鄒博人工智能研究中心（杭州站）等產研機構；研究方向為機器學習、數據挖掘、計算幾何等領域，研究成果已成功應用于大型氣象設備的圖像與文本挖掘、金融產品AI化、股票交易與預測、高速公路流量預測和分析、傳統農資產品價格預測和決策等領域；獲得發明專利4項，著作權3個。
書友推薦
- >
羅庸西南聯大授課錄
- >
唐代進士錄
- >
經典常談
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
詩經-先民的歌唱
- >
【精裝繪本】畫給孩子的中國神話
- >
中國歷史的瞬間
- >
龍榆生：詞曲概論/大家小書
本類暢銷
