作 者:李玉鑑 等 著
定 价:59
出 版 社:机械工业出版社
出版日期:2016年10月01日
页 数:292
装 帧:平装
ISBN:9787111550754
●前言
●第一部分基础理论
●第1章概述2
●1.1深度学习的起源和发展2
●1.2深层网络的特点和优势4
●1.3深度学习的模型和算法7
●第2章预备知识9
●2.1矩阵运算9
●2.2概率论的基本概念11
●2.2.1概率的定义和性质l1
●2.2.2随机变量和概率密度函数l2
●2.2.3期望和方差．13
●2.3信息论的基本概念．14
●2.4概率图模型的基本概念15
●2.5概率有向图模型16
●2.6概率无向图模型20
●2.7部分有向无圈图模型22
●2.8条件随机场24
●2.9马尔可夫链26
●2.10概率图模型的学习28
●部分目录
本书不仅介绍了深度学习的发展历史，强调了深层网络的特点和优势，说明了判别模型和生成模型的相关概念，而且详述了深度学习的九种重要模型及其学习算法、变种模型和混杂模型，讨论了深度学习在图像处理、语音处理和自然语言处理等领域的广泛应用，也总结了深度学习目前存在的问题、挑战和未来的发展趋势，还分析了一系列深度学习的基本案例。本书可以作为计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者在具备神经网络基础知识后进一步了解深度学习理论和方法的入门教材或导论性参考书，有助于读者掌握深度学习的主要内容并开展相关研究。
李玉鑑 等 著
李玉鑑(鉴)，北京工业大学教授．博士生导师。华中科技大学本科毕业，中国科学院数学研究所硕士毕业，中国科学院半导体研究所博士毕业，北京邮电大学博士后出站。曾在中国科学院生物物理所工作，对意识的本质问题关注过多年，并在《21世纪100个交叉科学难题》上发表《揭开意识的奥秘》一文，提出了解决意识问题的认知相对论纲领，对脑计划和类脑研究具有宏观指导意义。长期围绕人工智能的核心目标，在神经网络、自然语言处理、模式识别和机器学习等领域开展教学、科研工作．发表靠前外期刊、会议论文数十篇，是本书的靠前作者。
“深度学习”一词大家已经不陌生了，随着在不同领域取得了超越其他方法的成功，深度学习在学术界和工业界掀起了一次神经网络发展目前的潮。运用深度学习解决实际问题，不仅是学术界高素质人才所需的技能，而且是工业界商业巨头进行竞争的核心武器。为适应这一发展的需要，作者以长期的相关研究和教学工作为基础，经过2~3年的调研和努力，终于编写完本书。这是一本关于深度学习的入门教材和导论性参考书，受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者，本书有助于他们在具备神经网络的基础知识后进一步了解深度学习的理论和方法。
自2006年诞生以来，深度学习很快成长壮大，并有一些相关的英文书籍陆续出版。虽然国内也开始出现译著，但对深度学习的内容概括得并不全面，远不能够满足市场需求。本书的内容几乎涵盖了深度学习的所有重要方面等
