江风网

txt_epub_Kindle_azw3_mobi_pdf电子书免费下载

深度学习:卷积神经网络从入门到精通

作者: 李玉鑑等
分类: 人工智能
出版时间: 2018-07-01
发布时间: 2021-01-08
阅读热度: 5
综合评分: 0
下载支持: TXT EPUB MOBI AZW3 PDF
在线阅读: 手机阅读 电脑阅读
《深度学习:卷积神经网络从入门到精通》内容简介

本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,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、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏形、突破模型、应变模型、加深模型、跨连模型、区域模型、分割模型、特殊模型、强化模型和顶尖成就。这种分类框架是在模型概述和预备知识的基础上逐步展开的,既方便读者入门学习,又有助于读者深入钻研。李玉鑑,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《揭开意识的奧秘》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.发表国内外期刊、会议论文数十篇,是本书的第一作者。

《深度学习:卷积神经网络从入门到精通》章节目录
  • 前言
  • 第1章 概述
  • 1.1 深度学习的起源和发展
  • 1.2 卷积神经网络的形成和演变
  • 1.3 卷积神经网络的应用和影响
  • 1.4 卷积神经网络的缺陷和视图
  • 1.5 卷积神经网络的GPU实现和cuDNN库
  • 1.6 卷积神经网络的平台和工具
  • 1.7 本书的内容结构和案例数据
  • 第2章 预备知识
  • 2.1 激活函数
  • 2.2 矩阵运算
  • 2.3 导数公式
  • 2.4 梯度下降算法
  • 2.5 反向传播算法
  • 2.6 通用逼近定理
  • 2.7 内外卷积运算
  • 2.8 膨胀卷积运算
  • 2.9 上下采样运算
  • 2.10 卷积面计算
  • 2.11 池化面计算
  • 2.12 局部响应归一化
  • 2.13 权值偏置初始化
  • 2.14 丢失输出
  • 2.15 丢失连接
  • 2.16 随机梯度下降算法
  • 2.17 块归一化
  • 2.18 动态规划算法
  • 第3章 卷积神经网络的现代雏形——LeNet
  • 3.1 LeNet的原始模型
  • 3.2 LeNet的标准模型
  • 3.3 LeNet的学习算法
  • 3.4 LeNet的Caffe代码实现及说明
  • 3.5 LeNet的手写数字识别案例
  • 3.6 LeNet的交通标志识别案例
  • 3.7 LeNet的交通路网提取案例
  • 第4章 卷积神经网络的突破模型
  • 4.1 AlexNet的模型结构
  • 4.2 AlexNet的Caffe代码实现及说明
  • 4.3 AlexNet的Caffe大规模图像分类案例及演示效果
  • 4.4 AlexNet的TensorFlow代码实现及说明
  • 4.5 AlexNet的TensorFlow大规模图像分类案例及演示效果
  • 4.6 AlexNet的改进模型ZFNet
  • 第5章 卷积神经网络的应变模型
  • 5.1 SPPNet的模型结构
  • 5.2 SPPNet的Caffe代码实现及说明
  • 5.3 SPPNet的大规模图像分类案例及演示效果
  • 第6章 卷积神经网络的加深模型
  • 6.1 结构加深的卷积网络VGGNet
  • 6.2 结构更深的卷积网络GoogLeNet
  • 第7章 卷积神经网络的跨连模型
  • 7.1 快道网络HighwayNet
  • 7.2 残差网络ResNet
  • 7.3 密连网络DenseNet
  • 7.4 拼接网络CatNet
  • 第8章 卷积神经网络的区域模型
  • 8.1 区域卷积网络R-CNN
  • 8.2 快速区域卷积网络Fast R-CNN
  • 8.3 更快区域卷积网络Faster R-CNN
  • 8.4 你只看一次网络YOLO
  • 8.5 单次检测器SSD
  • 第9章 卷积神经网络的分割模型
  • 9.1 全卷积网络FCN
  • 9.2 金字塔场景分析网络PSPNet
  • 9.3 掩膜区域卷积网络Mask R-CNN
  • 第10章 卷积神经网络的特殊模型
  • 10.1 孪生网络SiameseNet
  • 10.2 挤压网络SqueezeNet
  • 10.3 深层卷积生成对抗网络DCGAN
  • 10.4 网中网NIN
  • 第11章 卷积神经网络的强化模型
  • 11.1 强化学习的基本概念
  • 11.2 深度强化学习网络的学习算法
  • 11.3 深度强化学习网络的变种模型
  • 11.4 深度强化学习网络的Flappy Bird智能体案例
  • 第12章 卷积神经网络的顶尖成就——AlphaGo
  • 12.1 人工智能棋类程序简介
  • 12.2 AlphaGo的设计原理
  • 12.3 AlphaGo Zero的新思想
  • 12.4 仿效AlphaGo的围棋程序案例MuGo
  • 附录A Caffe在Windows上的安装过程
  • 附录B Caffe在Linux上的安装过程
  • 附录C TensorFlow在Windows上的安装过程
  • 附录D TensorFlow在Linux上的安装过程
  • 参考文献
更多小说
上一篇: 超级思维
版权免责声明
《深度学习:卷积神经网络从入门到精通》为网络收集或网友自行上传,本站不对内容负责,《深度学习:卷积神经网络从入门到精通》版权归原作者所有,仅供学习交流,请勿商业使用,本站不提供任何下载,储存服务,如无意侵犯了你对《深度学习:卷积神经网络从入门到精通》的版权,请联系我们,我们将在第一时间删除相关内容!