人工智能技术原理与应用

基本信息

• 商品名称：人工智能技术原理与应用(纺织服装高等教育十三五部委级规划教材)
• 作者：编者:钟跃崎|责编:张静
• 定价：79
• 出版社：东华大学
• 书号：9787566917867

其他参考信息（以实物为准）

• 出版时间：2020-09-01
• 印刷时间：2020-09-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：295
• 字数：480千字

内容提要

本书从人工智能技术的 基本原理出发，涵盖人工神 经网络的基本原理、网络优 化过程中的超参数设置，以 及卷积神经网络的基本概念 与常见架构。在此基础上， 详细介绍深度学习技术在目 标检测、图像分割、少样本 学习、风格迁移及生成对抗 等常见任务中的应用原理， 并结合相关研究领域的新进 展，介绍深度学习在三维模 型及服装推荐系统中的应用 。
     本书针对零编程基础的 读者讲解人工智能技术的基 础知识，及其在纺织服装领 域若干问题上的使用方法和 流程。可供纺织院校高年级 本科生以及低年级研究生作 为教材，也可供相关生产企 业和研究单位的专业技术人 员阅读参考。

目录

绪论
章 神经网络基础(一)
节 什么是神经网络
第二节 有监督学习
第二章 神经网络基础(二)
节 二元分类问题与符号表达
第二节 损失函数与代价函数
第三节 逻辑回归中的梯度下降法
3.1 梯度下降
3.2 向前传播与向后传播的计算
第四节 单次迭代中梯度下降算法的编程实现
第三章 全连接神经网络
节 什么是全连接神经网络
第二节 神经网络常用的激活函数
2.1 各种非线性激活函数
2.2 为什么需要非线性激活函数
第三节 激活函数的导数
3.1 sigmoid函数的导数
3.2 tanh函数的导数
3.3 ReLU函数和Leaky ReLU函数的导数
第四节 全连接神经网络向后传播时的梯度计算
第五节 多层神经网络
5.1 多层神经网络的向前传播计算
5.2 多层神经网络向前／向后传播的编程模块
第六节 神经网络的随机初始化
第七节 二元分类问题案例分析
第四章 神经网络调优(一)
节 训练集、验证集及测试集
1.1 定义
1.2 数据集的划分原则
第二节 偏差与方差
第三节 神经网络的正则化
3.1 L2正则化
3.2 L2正则化预防过拟合
3.3 Dropout正则化
3.4 Dropout正则化的作用原理
3.5 其他正则化方法
第四节 输人数据的归一化处理
第五节 梯度消失／梯度
第六节 深度神经网络的权重初始化及案例分析
第五章 神经网络调优(二)
节 小批量的概念
第二节 小批量的作用原理
第三节 指数加权平均
3.1 指数加权平均的基本概念
3.2 指数加权平均的含义
3.3 指数加权平均的偏差修正
第四节 几种常见的梯度下降法
4.1 动量梯度下降法
4.2 RMSprop