本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
基本信息
书名:深度学习
定价:45元
作者:刘鹏 著
出版社:电子工业出版社
出版日期:2018-01-01
ISBN:9787121335211
字数:408000
页码:268
版次:
装帧:平装
开本:16开
商品重量:
编辑推荐
内容提要
本书是深度学习的入门教材,系统地介绍了深度学习的基本概念与实战应用,包括深度学习在图像、语音、文本方向的应用,以及前沿发展等。本书分为10章,大致为3个部分:部分(1-3章)介绍深度学习的基础知识。第2部分(4-6章)介绍深度学习的各个方面,从算法设计到模型实现。第3部分(8-10章)介绍深度学习的实战应用以及前沿发展。每章都附有相应的习题和参考文献,以便感兴趣的读者进一步深入思考。"让学习变得轻松”是本书的基本编写理念。本书适合作为相关专业本科和研究生教材,也适合作为深度学习研究与开发人员的入门书籍。
目录
章 深度学习的来源与应用 1n
1.1 人工智能的思想、流派与发展起落 1n
1.1.1 人工智能的思潮流派和主要研究与应用领域 2n
1.1.2 人工智能的三起三落 4n
1.2 什么是深度学习 6n
1.2.1 我们不分离――数据和算法 6n
1.2.2 深度学习基础 9n
1.3 机器学习与深度学习 10n
1.3.1 机器学习的定义与种类 10n
1.3.2 机器学习的任务与方法 13n
1.3.3 深度学习的提出 16n
1.4 深度学习的应用场景 18n
1.4.1 应用场合和概念层次 18n
1.4.2 主要开发工具和框架 20n
1.4.3 人工智能、深度学习有关学术会议和赛事 22n
习题 24n
参考文献 24n
第2章 深度学习的数学基础 26n
2.1 线性代数 26n
2.1.1 向量空间 26n
2.1.2 矩阵分析 28n
2.2 概率与统计 30n
2.2.1 概率与条件概率 30n
2.2.2 贝叶斯理论 33n
2.2.3 信息论基础 35n
2.3 多元微积分 39n
2.3.1 导数和偏导数 39n
2.3.2 梯度和海森矩阵 42n
2.3.3 速下降法 44n
2.3.4 梯度下降算法 45n
习题 48n
参考文献 50n
第3章 人工神经网络与深度学习 51n
3.1 探秘大脑的工作原理 52n
3.1.1 人类活动抽象与深度学习模型 53n
3.1.2 人脑神经元的结构 54n
3.1.3 人脑神经元功能 55n
3.1.4 人脑视觉机理 57n
3.2 人脑神经元模型 59n
3.2.1 人脑神经元模型介绍 60n
3.2.2 激活函数 62n
3.3 M-P模型 64n
3.3.1 标准M-P模型 65n
3.3.2 改进的M-P模型 66n
3.4 人脑神经网络的互连结构 66n
3.4.1 前馈神经网络 67n
3.4.2 反馈网络 67n
3.5 人工神经网络的学习 68n
3.5.1 人工神经网络的学习方式 68n
3.5.2 神经网络的学习规则 71n
3.5.3 人工神经网络算法基本要求 73n
3.5.4 神经网络计算特点 74n
3.6 人工神经网络的特点 75n
3.7 神经网络基本概念与功能 76n
3.7.1 几个基本概念 76n
3.7.2 基本功能 78n
3.7.3 感知机的局限性 83n
3.8 深度学习其他网络结构 84n
3.8.1 卷积神经网络 88n
3.8.2 循环(递归)神经网络 94n
习题 97n
参考文献 98n
第4章 深度学习基本过程 99n
4.1 正向学习过程 99n
4.1.1 正向学习概述 99n
4.1.2 正向传播的流程 100n
4.1.3 正向传播的详细原理 100n
4.2 反向调整过程 102n
4.2.1 反向调整概述 102n
4.2.2 反向传播过程详解 103n
4.2.3 深层模型反向调整的问题与对策 106n
4.3 手写体数字识别实例 107n
4.3.1 数据准备 107n
4.3.2 网络设计 109n
4.3.3 模型训练 115n
4.3.4 模型测试 116n
习题 121n
参考文献 121n
第5章 深度学习主流模型 122n
5.1 卷积神经网络 123n
5.1.1 N概念 123n
5.1.2 N常用算法 127n
5.1.3 N训练技巧 131n
5.2 循环神经网络 132n
5.2.1 RNN结构 132n
5.2.2 RNN训练 133n
5.2.3 RNN训练技巧 135n
习题 136n
参考文献 136n
第6章 深度学习的主流开源框架 138n
6.1 Caffe 138n
6.1.1 Caffe框架 138n
6.1.2 安装Caffe 139n
6.1.3 案例:基于Caffe的目标识别 145n
6.2 TensorFlow 146n
6.2.1 TensorFlow框架 146n
6.2.2 安装TensorFlow 147n
6.2.3 案例:基于TensorFlow的目标识别 149n
6.3 其他开源框架 150n
6.3.1 TK 150n
6.3.2 MXNet 151n
6.3.3 Theano 151n
6.3.4 Torch 151n
6.3.5 Deeplearning4j 152n
习题 153n
参考文献 153n
第7章 深度学习在图像中的应用 154n
7.1 图像识别基础 154n
7.2 基于深度学习的大规模图像识别 155n
7.2.1 大规模图像数据库:ImageNet 155n
7.2.2 AlexNet网络结构 156n
7.2.3 非线性激活函数ReLU 157n
7.2.4 在多GPU上进行实现 158n
7.2.5 增加训练样本 158n
7.2.6 dropout技术 159n
7.3 应用举例:人脸识别 160n
7.3.1 人脸识别的经典流程 160n
7.3.2 人脸图像数据库 161n
7.3.3 基于深度学习的人脸识别方法 162n
7.4 应用举例:图像风格化 163n
7.4.1 内容重构 164n
7.4.2 风格重构 165n
7.4.3 内容与风格的重组 166n
7.5 应用举例:图像标注 167n
7.5.1 基于深度网络的图像标注方法概述 168n
7.5.2 视觉语义对齐 169n
7.5.3 为新图像生成对应文本描述 171n
习题 172n
参考文献 172n
第8章 深度学习在语音中的应用 174n
8.1 语音识别基础 174n
8.1.1 人类之间的交流 175n
8.1.2 人机交流 175n
8.1.3 语音识别系统的基本结构 176n
8.1.4 特征提取 176n
8.1.5 声学模型 177n
8.1.6 语言模型 177n
8.1.7 解码器 178n
8.1.8 用于语音识别的GMM-HMM模型 178n
8.2 基于深度学习的连续语音识别 181n
8.2.1 DNN-HMM混合系统 181n
8.2.2 CD-DNN-HMM的关键模块及分析 185n
8.3 应用举例:语音输入法 190n
8.3.1 案例背景 190n
8.3.2 语音输入法设计 191n
8.3.3 语音中心SpeechCenter的设计 192n
8.3.4 输入法FreeVoice的设计 194n
8.3.5 FreeVoice和SpeechCenter之间的通信设计 196n
习题 198n
参考文献 198n
第9章 深度学习在文本中的应用 201n
9.1 自然语言处理基础 201n
9.1.1 正则表达式和自动机 202n
9.1.2 句法处理 203n
9.1.3 词的分类和词性标注 203n
9.1.4 上下文无关语法 205n
9.1.5 浅层语法分析 205n
9.1.6 语义分析 206n
9.1.7 语义网络 206n
9.1.8 词汇关系信息库 206n
9.2 基于深度学习的文本处理 207n
9.2.1 词汇向量化表示 207n
9.2.2 句法分析 209n
9.2.3 神经机器翻译 209n
9.2.4 情感分析 210n
9.3 应用举例:机器翻译 211n
9.4 应用举例:聊天机器人 215n
9.4.1 聊天机器人的主要功能模块 216n
9.4.2 主要的技术挑战 217n
9.4.3 深度学习构建智能聊天机器人 218n
习题 220n
参考文献 220n
0章 深度学习前沿发展 222n
10.1 增强学习 222n
10.1.1 增强学习的基本概念 222n
10.1.2 增强学习的过程 224n
10.1.3 增强学习的应用 225n
10.2 迁移学习 225n
10.2.1 迁移学习的定义 226n
10.2.2 迁移学习的分类 226n
10.2.3 迁移学习的应用场景 226n
10.3 记忆网络 228n
10.3.1 循环神经网络 228n
10.3.2 长短期记忆网络 228n
10.3.3 长短期记忆变体 231n
10.4 深度学习的硬件实现 232n
10.4.1 FPGA 232n
10.4.2 ASIC 233n
10.4.3 TPU 234n
10.4.4 寒武纪 235n
10.4.5 TrueNorth 237n
习题 238n
参考文献 238n
附录A 人工智能和大数据实验环境 240
作者介绍
刘鹏,教授,清华大学博士毕业,现任中国信息协会大数据分会副会长、南京大数据研究院院长、中国大数据应用联盟人工智能专家委员会主任、中国大数据专家委员会委员。
曾率队夺得2002 PennySort靠前计算机排序比赛优选(这是我国获得的靠前个大数据比赛世界优选),两次夺得全国高校科技比赛优选奖,三次夺得清华大学科技比赛优选奖。
主持完成科研项目25项,发表论文80余篇,出版专业图书20部。获部级科技进步二等奖4项、三等奖4项。2002年开创性提出“计算池”模式,被2007年开始流行的“云计算”所证实。2003年开创性提出“反垃圾邮件网格”,被2008年开始流行的“云安全”所证实。
荣获“全军十大学习成才标兵”(排名靠前)、南京“十大杰出青年”、江苏省中青年科学技术带头人、清华大学“学术新秀”等称号。
序言