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
人工智能技術原理與應用 版權信息
- ISBN：9787566917867
- 條形碼：9787566917867 ; 978-7-5669-1786-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能技術原理與應用 內容簡介
本書從人工智能技術的基本原理出發，涵蓋人工神經網絡的基本原理、網絡優化過程中的超參數設置，以及卷積神經網絡的基本概念與常見架構。在此基礎上，詳細介紹深度學習技術在目標檢測、圖像分割、少樣本學習、風格遷移及生成對抗等常見任務中的應用原理，并結合相關研究領域的新進展，介紹深度學習在三維模型及服裝推薦系統中的應用。 本書針對零編程基礎的讀者講解人工智能技術的基礎知識，及其在紡織服裝領域若干問題上的使用方法和流程。可供紡織院校高年級本科生以及低年級研究生作為教材，也可供相關生產企業和研究單位的專業技術人員閱讀參考。
人工智能技術原理與應用 目錄
緒論
**章 神經網絡基礎(一)
**節 什么是神經網絡
第二節 有監督學習
第二章 神經網絡基礎(二)
**節 二元分類問題與符號表達
第二節 損失函數與代價函數
第三節 邏輯回歸中的梯度下降法
3.1 梯度下降
3.2 向前傳播與向后傳播的計算
第四節 單次迭代中梯度下降算法的編程實現
第三章 全連接神經網絡
**節 什么是全連接神經網絡
第二節 神經網絡常用的激活函數
2.1 各種非線性激活函數
2.2 為什么需要非線性激活函數
第三節 激活函數的導數
3.1 sigmoid函數的導數
3.2 tanh函數的導數
3.3 ReLU函數和Leaky ReLU函數的導數
第四節 全連接神經網絡向后傳播時的梯度計算
第五節 多層神經網絡
5.1 多層神經網絡的向前傳播計算
5.2 多層神經網絡向前／向后傳播的編程模塊
第六節 神經網絡的隨機初始化
第七節 二元分類問題案例分析
第四章 神經網絡調優(一)
**節 訓練集、驗證集及測試集
1.1 定義
1.2 數據集的劃分原則
第二節 偏差與方差
第三節 神經網絡的正則化
3.1 L2正則化
3.2 L2正則化預防過擬合
3.3 Dropout正則化
3.4 Dropout正則化的作用原理
3.5 其他正則化方法
第四節 輸人數據的歸一化處理
第五節 梯度消失／梯度爆炸
第六節 深度神經網絡的權重初始化及案例分析
第五章 神經網絡調優(二)
**節 小批量的概念
第二節 小批量的作用原理
第三節 指數加權平均
3.1 指數加權平均的基本概念
3.2 指數加權平均的含義
3.3 指數加權平均的偏差修正
第四節 幾種常見的梯度下降法
4.1 動量梯度下降法
4.2 RMSprop
4.3 Adam優化算法
第五節 學習率衰減
第六節 局部*優問題
第六章 神經網絡調優(三)
**節 超參數的選擇
……
第七章 卷積神經網絡基礎
第八章 卷積神經網絡的常見架構與分析
第九章 目標檢測
第十章 常見深度神經網絡架構
第十一章 圖像分割
第十二章 少樣本學習與圖像特征匹配
第十三章 風格遷移與生成對抗網絡
第十四章 深度學習在三維模型上的發展與應用
第十五章 深度學習在服裝推薦系統中的應用
第十六章 深度學習常用評價指標
展開全部
人工智能技術原理與應用 作者簡介
鐘躍崎 美國德州大學奧斯汀分校博士后，美國加州大學戴維斯分校高級訪問學者，東華大學教授、博士生導師，上海市浦江人才計劃、內蒙古草原英才計劃受資助人；長期致力于數字化紡織服裝領域的理論和技術基礎研究，先后主持包括國家自然科學基金面上項目在內的省部級科研項目，發表論文110余篇，其中虛擬試衣技術及其在大型電子商務環境中的應用獲得上海市技術發明獎（二等）及中國紡織工業聯合會科技進步獎（三等）。
書友推薦
- >
莉莉和章魚
- >
小考拉的故事-套裝共3冊
- >
二體千字文
- >
苦雨齋序跋文-周作人自編集
- >
煙與鏡
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
唐代進士錄
- >
月亮虎
本類暢銷
