深度学习理论与实践 pdf下载

基本信息

• 商品名称：深度学习理论与实践(人工智能系列规划教材)
• 作者：编者:杨博雄|责编:孙宏颖
• 定价：40
• 出版社：北京邮电大学
• 书号：9787563562022

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：242
• 字数：412千字

内容提要

本书系统地介绍了对新一代人工智能发展起主 导作用的深度学习算法的来源、发展、工作机理及 其数学基础等。在此基础上,本书对典型的深度学习 算法(如卷积神经网络、图卷积神经网络、循环神经 网络、递归 神经网络、深度置信网络、对抗生成网 络、深度迁移学习等)进行了深入介绍，通过严密的 理论推导、各种新型算法的比较,并配合丰富生动的 案例讲解,来增强读者对基本原理、开发方法、应用 部署等的全面掌握.本书 既具备一定的理论深度， 也具有一定的应用高度，不仅可作为高等院校人工 智能、智能科学与技术、计算机科 学与技术、数据 科学与大数据、模式识别与智能系统等专业及相关 专业的本科生、研究生的教材,也可作为从 事基于 深度学习的各类智能化应用的工程技术人员的参考 书。
    

目录

第1章 概述
1.1 引言
1.2 新一代人工智能
1.3 深度学习
1.3.1 深度学习的起源
1.3.2 深度学习的发展
1.3.3 深度学习的爆发
1.4 人工智能、机器学习与深度学习的关系
本章小结
课后习题
第2章 深度学习基础知识
2.1 人工神经网络
2.1.1 神经元
2.1.2 感知器
2.1.3 多层感知器
2.2 BP算法
2.1.1 BP算法的基本原理
2.1.2 激活函数
2.1.3 梯度下降法
2.3 深度学习与神经网络
2.3.1 深度学习的基本思想
2.3.2 深度学习与神经网络的关系
2.3.3 深度学习的学习过程
2.4 深度学习的主要方法
2.4.1 监督学习
2.4.2 无监督学习
2.4.3 半监督学习
2.4.4 增强学习
2.4.5 迁移学习
2.4.6 对偶学习
2.5 深度学习开源框架与TensorFlow示例
2.5.1 深度学习开源框架
2.5.2 TensorFlow与编程示例
本章小结
课后习题
第3章 卷积神经网络
3.1 卷积神经网络简介
3.2 卷积层
3.1.1 卷积层介绍
3.1.2 TensorFlow实现卷积操作
3.1.3 激活函数
3.3 池化层
3.3.1 池化层介绍
3.3.2 TensorFlow实现池化操作
3.4 全连接层
3.4.1 全连接层介绍
3.4.2 TensorFlow全连接神经网络的实现
3.5 经典CNN模型
3.5.1 AlexNet
3.5.2 VGGNet