書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例

作者：金昇箭
出版社：北京航空航天大學(xué)出版社出版時(shí)間：2018-04-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 189
讀者評(píng)分：5分1條評(píng)論
中 圖 價(jià):¥32.5(5.5折) 定價(jià)  ¥59.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 版權(quán)信息

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 本書(shū)特色

深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見(jiàn)。但往往是理論連篇，并不適合開(kāi)發(fā)者具體使用，本書(shū)內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開(kāi)發(fā)者在學(xué)習(xí)這個(gè)人工智能的過(guò)程中不那么痛苦,同時(shí)也希望用本書(shū)中具體的開(kāi)發(fā)實(shí)例講解能夠幫助開(kāi)發(fā)者避免困惑。本書(shū)主要考慮了兩類讀者。*類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開(kāi)發(fā)的讀者，書(shū)中的示例代碼將更加有助于進(jìn)一步理解本書(shū)所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書(shū)中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。本書(shū)共包含6章內(nèi)容,可以分為3個(gè)主題。書(shū)中例子均用MATLAB編寫(xiě)而成。
第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開(kāi)始講起,隨后是解決問(wèn)題的策略和機(jī)器學(xué)習(xí)的基本局限性。深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見(jiàn)。但往往是理論連篇，并不適合開(kāi)發(fā)者具體使用，本書(shū)內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開(kāi)發(fā)者在學(xué)習(xí)這個(gè)人工智能的過(guò)程中不那么痛苦,同時(shí)也希望用本書(shū)中具體的開(kāi)發(fā)實(shí)例講解能夠幫助開(kāi)發(fā)者避免困惑。本書(shū)主要考慮了兩類讀者。*類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開(kāi)發(fā)的讀者，書(shū)中的示例代碼將更加有助于進(jìn)一步理解本書(shū)所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書(shū)中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。本書(shū)共包含6章內(nèi)容,可以分為3個(gè)主題。書(shū)中例子均用MATLAB編寫(xiě)而成。 第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開(kāi)始講起,隨后是解決問(wèn)題的策略和機(jī)器學(xué)習(xí)的基本局限性。 第2個(gè)主題是人工神經(jīng)網(wǎng)絡(luò)這是第2~4章的重點(diǎn)內(nèi)容。由于深度學(xué)習(xí)就是采用一種神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),所以不能將神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)分開(kāi)。第2章從神經(jīng)網(wǎng)絡(luò)的基本概念講起:它的工作原理、體系結(jié)構(gòu)和學(xué)習(xí)規(guī)則,也講到了神經(jīng)網(wǎng)絡(luò)由簡(jiǎn)單的單層結(jié)構(gòu)演化為復(fù)雜的多層結(jié)構(gòu)的原因。第3章介紹了反向傳播算法,它是神經(jīng)網(wǎng)絡(luò)中一種重要和典型的學(xué)習(xí)規(guī)則,深度學(xué)習(xí)也使用這種算法。本章解釋了代價(jià)函數(shù)和學(xué)習(xí)規(guī)則是如何聯(lián)系起來(lái)的,哪一種代價(jià)函數(shù)在深度學(xué)習(xí)中被廣泛使用。第4章介紹了將神經(jīng)網(wǎng)絡(luò)應(yīng)用到分類問(wèn)題中的方法。其中單列一節(jié)專門(mén)講分類,因?yàn)樗悄壳?流行的一種深度學(xué)習(xí)應(yīng)用。例如圖像識(shí)別是一個(gè)分類問(wèn)題,也是深度學(xué)習(xí)的一種主要應(yīng)用。 第3個(gè)主題是深度學(xué)習(xí),也是本書(shū)的重點(diǎn),將在第5章和第6章中講解。第5章介紹了使深度學(xué)習(xí)能夠產(chǎn)生卓越性能的驅(qū)動(dòng)因素。第6章講解了卷積神經(jīng)網(wǎng)絡(luò),本章首先介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu),并與前面的圖像識(shí)別算法進(jìn)行了比較;隨后解釋了卷積層和池化層的作用和運(yùn)算方法,它們是卷積神經(jīng)網(wǎng)絡(luò)的重要組成部分。第6章也包含了一個(gè)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識(shí)別的例子,并研究了圖像通過(guò)各層的演化過(guò)程。

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 內(nèi)容簡(jiǎn)介

深度學(xué)習(xí)如此流行,以至于關(guān)于它的資料隨處可見(jiàn)。但往往是理論連篇，并不適合開(kāi)發(fā)者具體使用，本書(shū)內(nèi)容豐富實(shí)用、原理直白易懂、示例詳細(xì)直觀、代碼詳實(shí)細(xì)致，目的就是希望幫助開(kāi)發(fā)者在學(xué)習(xí)這個(gè)人工智能的過(guò)程中不那么痛苦,同時(shí)也希望用本書(shū)中具體的開(kāi)發(fā)實(shí)例講解能夠幫助開(kāi)發(fā)者避免困惑。本書(shū)主要考慮了兩類讀者。**類是準(zhǔn)備系統(tǒng)地學(xué)習(xí)深度學(xué)習(xí)以進(jìn)一步研究和開(kāi)發(fā)的讀者，書(shū)中的示例代碼將更加有助于進(jìn)一步理解本書(shū)所講的內(nèi)容。第二類是想比從雜志或報(bào)紙上獲得更深入的深度學(xué)習(xí)信息,但不必進(jìn)行實(shí)際研究的讀者。書(shū)中概念和示例結(jié)果,也有助于您理解深度學(xué)習(xí)的大多數(shù)重要技術(shù)。 本書(shū)共包含6章內(nèi)容,可以分為3個(gè)主題。書(shū)中例子均用MATLAB編寫(xiě)而成。 第1個(gè)主題是機(jī)器學(xué)習(xí)。深度學(xué)習(xí)起源于機(jī)器學(xué)習(xí),這意味著如果想要理解深度學(xué)習(xí)的本質(zhì),就必須在某種程度上知道機(jī)器學(xué)習(xí)背后的理念。第1章從機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的關(guān)系開(kāi)始講起,隨后是解決問(wèn)題的策略和機(jī)器學(xué)習(xí)的基本局限性。 第2個(gè)主題是人工神經(jīng)網(wǎng)絡(luò)這是第2~4章的重點(diǎn)內(nèi)容。由于深度學(xué)習(xí)就是采用一種神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),所以不能將神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)分開(kāi)。第2章從神經(jīng)網(wǎng)絡(luò)的基本概念講起:它的工作原理、體系結(jié)構(gòu)和學(xué)習(xí)規(guī)則,也講到了神經(jīng)網(wǎng)絡(luò)由簡(jiǎn)單的單層結(jié)構(gòu)演化為復(fù)雜的多層結(jié)構(gòu)的原因。第3章介紹了反向傳播算法,它是神經(jīng)網(wǎng)絡(luò)中一種重要和典型的學(xué)習(xí)規(guī)則,深度學(xué)習(xí)也使用這種算法。本章解釋了代價(jià)函數(shù)和學(xué)習(xí)規(guī)則是如何聯(lián)系起來(lái)的,哪一種代價(jià)函數(shù)在深度學(xué)習(xí)中被廣泛使用。第4章介紹了將神經(jīng)網(wǎng)絡(luò)應(yīng)用到分類問(wèn)題中的方法。其中單列一節(jié)專門(mén)講分類,因?yàn)樗悄壳?流行的一種深度學(xué)習(xí)應(yīng)用。例如圖像識(shí)別是一個(gè)分類問(wèn)題,也是深度學(xué)習(xí)的一種主要應(yīng)用。 第3個(gè)主題是深度學(xué)習(xí),也是本書(shū)的重點(diǎn),將在第5章和第6章中講解。第5章介紹了使深度學(xué)習(xí)能夠產(chǎn)生卓越性能的驅(qū)動(dòng)因素。第6章講解了卷積神經(jīng)網(wǎng)絡(luò),本章首先介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu),并與前面的圖像識(shí)別算法進(jìn)行了比較;隨后解釋了卷積層和池化層的作用和運(yùn)算方法,它們是卷積神經(jīng)網(wǎng)絡(luò)的重要組成部分。第6章也包含了一個(gè)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識(shí)別的例子,并研究了圖像通過(guò)各層的演化過(guò)程。

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 目錄

第1章 機(jī)器學(xué)習(xí) 1.1 機(jī)器學(xué)習(xí)與深度學(xué)習(xí) 1.2 什么是機(jī)器學(xué)習(xí) 1.3 機(jī)器學(xué)習(xí)的挑戰(zhàn) 1.4 過(guò)擬合 1.5 直面過(guò)擬合 1.6 機(jī)器學(xué)習(xí)的類型 1.7 分類和回歸 1.8 總 結(jié) 第2章 神經(jīng)網(wǎng)絡(luò) 2.1 概 述 2.2 神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn) 2.3 多層神經(jīng)網(wǎng)絡(luò) 2.4 神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí) 2.5 單層神經(jīng)網(wǎng)絡(luò)訓(xùn)練:增量規(guī)則 2.6 廣義增量規(guī)則 2.7 隨機(jī)梯度下降算法、批量算法和小批量算法 2.7.1 隨機(jī)梯度下降算法 2.7.2 批量算法 2.7.3 小批量算法 2.8 示例:增量規(guī)則 2.8.1 隨機(jī)梯度下降算法的實(shí)現(xiàn) 2.8.2 批量算法的實(shí)現(xiàn) 2.8.3 隨機(jī)梯度下降算法與批量算法的比較 2.9 單層神經(jīng)網(wǎng)絡(luò)的局限性 2.10 總 結(jié) 第3章 訓(xùn)練多層神經(jīng)網(wǎng)絡(luò) 3.1 概 述 3.2 反向傳播算法 3.3 示 例 3.3.1 XOR問(wèn)題 3.3.2 動(dòng)量法(Momentum) 3.4 代價(jià)函數(shù)和學(xué)習(xí)規(guī)則 3.5 示 例 3.5.1 交叉熵函數(shù) 3.5.2 代價(jià)函數(shù)的比較 3.6 總 結(jié) 第4章 神經(jīng)網(wǎng)絡(luò)及其分類 4.1 概 述 4.2 二分類 4.3 多分類 4.4 示例:多分類 4.5 總 結(jié) 第5章 深度學(xué)習(xí) 5.1 概 述 5.2 深度神經(jīng)網(wǎng)絡(luò)的進(jìn)化 5.2.1 梯度消失 5.2.2 過(guò)擬合 5.2.3 計(jì)算量的增加 5.3 示 例 5.3.1 ReLU 函數(shù) 5.3.2 節(jié)點(diǎn)丟棄 5.4 總 結(jié) 第6章 卷積神經(jīng)網(wǎng)絡(luò) 6.1 概 述 6.2 卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu) 6.3 卷積層 6.4 池化層 6.5 示例:MNIST 6.6 總 結(jié) 索 引
展開(kāi)全部

深度學(xué)習(xí)-基于MATLAB的設(shè)計(jì)實(shí)例 作者簡(jiǎn)介

作者簡(jiǎn)介： Phil Kim，博士，從事無(wú)人駕駛飛機(jī)自主飛行算法和機(jī)載軟件的開(kāi)發(fā)和研制工作。同時(shí)，他作為一名經(jīng)驗(yàn)豐富的MATLAB程序員，一直致力于使用MATLAB進(jìn)行人工智能、深度學(xué)習(xí)的大數(shù)據(jù)集繪制和分析算法的研究，先后在美國(guó)出版了MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples 等書(shū)籍，在人工智能和MATLAB領(lǐng)域享有較高聲譽(yù)。 譯者簡(jiǎn)介： 鄒偉，副研究員，北京？桶羁萍加邢薰綜EO，并成立了中科院鄒博人工智能研究中心（杭州站）等產(chǎn)研機(jī)構(gòu)；研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算幾何等領(lǐng)域，研究成果已成功應(yīng)用于大型氣象設(shè)備的圖像與文本挖掘、金融產(chǎn)品AI化、股票交易與預(yù)測(cè)、高速公路流量預(yù)測(cè)和分析、傳統(tǒng)農(nóng)資產(chǎn)品價(jià)格預(yù)測(cè)和決策等領(lǐng)域；獲得發(fā)明專利4項(xiàng)，著作權(quán)3個(gè)。

書(shū)友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服