☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

關於深度學習的導論性著作，也是瞭解深度學習的入門之書。
詳述瞭深度學習的9大重要模型及其學習算法、變種模型和混雜模型，內容翔實，具有提綱挈領的指導意義。
基於Matlab、Python和C++相關的程序案例介紹深度學習模型，有助於讀者全麵瞭解深度學習模型和算法的實現途徑

這是一部關於深度學習的導論性著作，也是瞭解深度學習的入門書籍。全書涵蓋瞭深度學習的發展曆史、特點優勢，包括各種重要的模型、算法及應用，對讀者把握深度學習的基本脈絡和未來趨勢，具有提綱挈領的指導意義。
深度學習是近年來在神經網絡發展史上掀起的一波新浪潮，是機器學習的一大熱點方嚮，是實現人工智能的一種強大技術，有關成果早已震撼瞭學術界和工業界。隨著AlphaGo戰勝人類的圍棋冠軍，深度學習又受到瞭空前絕*的爆炸性關注。
有興趣的讀者可以從本書開始，逐步揭開深度學習的神秘麵紗，窺探其中的奧妙所在。
本書具有如下特色
內容布局注重深入淺齣、引用文獻豐富，方便讀者學習和鑽研。
試圖糾正許多讀者對深度學習的一些錯誤理解，比如認為多層感知器不是深度學習模型，認為自編碼器能夠直接用來進行手寫字符識彆，認為受限玻耳茲曼機也是嚴格意義上的深度學習模型，等等。
提供瞭許多深度學習的基本案例，涉及Matlab、Python和C++常用語言，以及Theano和Caffe等開源庫，有助於讀者通過不同語言的分析案例，全麵瞭解深度學習模型和算法的實現途徑。

內容簡介

深度學習是近年來在神經網絡發展史上掀起的一波新浪潮，是機器學習的一大熱點方嚮，因在手寫字符識彆、維數約簡、圖像理解和語音處理等方麵取得巨大進展，所以很快受到瞭學術界和工業界的高度關注。在本質上，深度學習就是對具有深層結構的網絡進行有效學習的各種方法。
本書不僅介紹瞭深度學習的起源和發展、強調瞭深層網絡的特點和優勢，說明瞭判彆模型和生成模型的相關概念，還詳述瞭深度學習的9種重要模型及其學習算法、變種模型和混雜模型，包括受限玻耳茲曼機、自編碼器、深層信念網絡、深層玻耳茲曼機、和積網絡、捲積神經網絡、深層堆疊網絡、循環神經網絡和長短時記憶網絡，以及它們在圖像處理、語音處理和自然語言處理等領域的廣泛應用。同時分析瞭一係列深度學習的基本案例。
本書每個案例包括模塊簡介、運行過程、代碼分析和使用技巧4個部分，層次結構清晰，利於讀者的選擇和學習並在應用中拓展思路。涉及的編程語言有3種：Matlab、Python和C++。其中，很多深度學習程序是用Matlab編寫的，可以直接運行；如果使用Python語言編寫深度學習程序，則可以調用Theano開源庫；若使用C++語言，則可以調用Caffe開源庫。

作者簡介

李玉鑑（ 鑒 ）　北京工業大學教授，博士生導師。華中科技大學本科畢業，中國科學院數學研究所碩士畢業，中國科學院半導體研究所博士畢業，北京郵電大學博士後齣站。曾在中國科學院生物物理所工作，對意識的本質問題關注過多年，並在《21世紀100個交叉科學難題》上發錶《揭開意識的奧秘》一文，提齣瞭解決意識問題的認知相對論綱領，對腦計劃和類腦研究具有宏觀指導意義。長期圍繞人工智能的核心目標，在神經網絡、自然語言處理、模式識彆和機器學習等領域開展教學、科研工作，發錶國內外期刊、會議論文數十篇，是本書的*一作者。

目錄

前言
第一部分 基礎理論
目 錄
第1章概述 2
1.1深度學習的起源和發展 2
1.2深層網絡的特點和優勢 4
1.3深度學習的模型和算法 7
第2章預備知識 9
2.1矩陣運算 9
2.2概率論的基本概念 11
2.2.1概率的定義和性質 l1
2.2.2 隨機變量和概率密度
函數 l2
2.2.3期望和方差． 13
2.3信息論的基本概念． 14
2.4概率圖模型的基本概念 15
2.5概率有嚮圖模型 16
2.6概率無嚮圖模型 20
2.7部分有嚮無圈圖模型 22
2.8條件隨機場 24
2.9馬爾可夫鏈 26
2.10概率圖模型的學習 28
2.11概率圖模型的推理 29
2.12馬爾可夫鏈濛特卡羅方法 31
2.13玻耳茲曼機的學習 32
2.14通用反嚮傳播算法 35
2.15通用逼近定理 37
第3章受限玻耳茲曼機 38
3.1 受限玻耳茲曼機的標準
模型 38
3.2受限玻耳茲曼機的學習算法 40
3.3 受限玻耳茲曼機的變種模型 44
第4章 自編碼器 48
4.1 自編碼器的標準模型 48
4.2 自編碼器的學習算法 50
4.3 自編碼器的變種模型 53
第5章深層信念網絡 57
5.1 深層信念網絡的標準模型 57
5.2深層信念網絡的生成學習
算法 60
5.3深層信念網絡的判彆學習算法 62
5.4深層信念網絡的變種模型 63
第6章深層玻耳茲曼機 64
6.1 深層玻耳茲曼機的標準模型 64
6.2深層玻耳茲曼機的生成學習
算法 65
6.3 深層玻耳茲曼機的判彆學習
算法 69
6.4深層玻耳茲曼機的變種模型 69
第7章和積網絡 72
7.1 和積網絡的標準模型 72
7.2和積網絡的學習算法 74
7.3和積網絡的變種模型 77
第8章捲積神經網絡 78
8.1捲積神經網絡的標準模型 78
8.2捲積神經網絡的學習算法 81
8.3捲積神經網絡的變種模型 83
第9章深層堆疊網絡 一86
9.1 深層堆疊網絡的標準模型 86
9.2深層堆疊網絡的學習算法 87
9.3深層堆疊網絡的變種模型 88
第1 0章循環神經網絡 89
10.1循環神經網絡的標準模型 89
10.2循環神經網絡的學習算法 91
10.3循環神經網絡的變種模型 92
第1 1章長短時記憶網絡 94
11.1長短時記憶網絡的標準模型 94
11.2長短時記憶網絡的學習算法 96
11.3長短時記憶網絡的變種模型 98
第12章深度學習的混閤模型、
廣泛應用和開發工具 102
12.1深度學習的}昆閤模型 102
12.2深度學習的廣泛應用 104
12.2.1 圖像和視頻處理 104
12.2.2語音和音頻處理 106
12.2.3 自然語言處理 108
12.2.4其他應用 109
12.3深度學習的開發工具 110
第1 3章深度學習的總結、
批評和展望 114
第二部分案例分析
第14章實驗背景 一118
14.1運行環境 118
14.2實驗數據 118
14.3代碼工具 120
第1 5章 自編碼器降維案例 一121
15.1 自編碼器降維程序的模塊
簡介 121
15.2 自編碼器降維程序的運行
過程 122
15.3 自編碼器降維程序的代碼
分析 127
15.3.1 關鍵模塊或函數的主要
功能 127
15.3.2主要代碼分析及注釋 128
15.4 自編碼器降維程序的使用
技巧 138
第1 6章深層感知器識彆案例 139
16.1 深層感知器識彆程序的模塊
簡介 139
16.2深層感知器識彆程序的運行
過程 140
16.3深層感知器識彆程序的代碼
分析 143
16.3.1 關鍵模塊或函數的主要
功能 143
16.3.2主要代碼分析及注釋 l43
16.4深層感知器識彆程序的使用
技巧 148
第1 7章深層信念網絡生成
案例 149
17.1 深層信念網絡生成程序的模塊
簡介 149
17.2深層信念網絡生成程序的運行
過程 150
17.3深層信念網絡生成程序的代碼
分析 153
第18章深層信念網絡分類案例163
第19章深層玻耳茲曼機識彆案例202
第20章捲積神經網絡識彆案例221
第21章循環神經網絡填充案例236
第22章長短時憶網絡分類案例245
附錄263
參考文獻269

前言/序言

　　“深度學習”一詞大傢已經不陌生瞭，隨著在不同領域取得瞭超越其他方法的成功，深度學習在學術界和工業界掀起瞭一次神經網絡發展史上的新浪潮。運用深度學習解決實際問題，不僅是學術界高素質人纔所需的技能，而且是工業界商業巨頭進行競爭的核心武器。為適應這一發展的需要，作者以長期的相關研究和教學工作為基礎，經過2~3年的調研和努力，終於編寫完本書。這是一本關於深度學習的入門教材和導論性參考書，受眾對象包括計算機、自動化、信號處理、機電工程、應用數學等相關專業的研究生、教師和科研工作者，本書有助於他們在具備神經網絡的基礎知識後進一步瞭解深度學習的理論和方法。
　　自2006年誕生以來，深度學習很快成長壯大，並有一些相關的英文書籍陸續齣版。雖然國內也開始齣現譯著，但對深度學習的內容概括得並不全麵，遠不能夠滿足市場需求。本書的內容幾乎涵蓋瞭深度學習的所有重要方麵，結構上分為基礎理論和案例分析兩個部分。在基礎理論部分，本書不僅介紹瞭深度學習的起源和發展、特點和優勢，而且描述瞭深度學習的9種重要模型，包括受限玻耳茲曼機、自編碼器、深層信念網絡、深層玻耳茲曼機、和積網絡、捲積神經網絡、深層堆疊網絡、循環神經網絡和長短時記憶網絡。此外，還討論瞭這些模型的學習算法、變種模型和混閤模型，以及它們在圖像視頻處理、音頻處理和自然語言處理等領域中的廣泛應用，並總結瞭有關的開發工具、問題和挑戰。在案例分析部分，本書主要挑選瞭一些深度學習的程序案例進行細緻的說明和分析，指導讀者學習有關的程序代碼和開發工具，以便在解決實際問題時加以靈活利用。其中，每個程序案例都包括模塊簡介、運行過程、代碼分析和使用技巧這4個部分，層次結構清晰，以利於讀者選擇和學習，並在應用中拓展思路。本書的一個不足之處是：案例分析部分沒有涉及“和積網絡”和“深層堆疊網絡”，這是因為和積網絡的運行需要大規模集群的硬件條件，另外也很難找到便於構造深層堆疊網絡案例的程序代碼。
　　本書的一大特色是從初學者的角度齣發，在知識結構的布局上注重深入淺齣，對深度學習?的模型涵蓋得較全麵，文獻引用非常豐富，既適閤讀者入門學習，又有助於他們深入鑽研。同時，本書也試圖糾正許多讀者對深度學習的_些錯誤理解，比如認為多層感知器不是深度學習模型，認為白編碼器能夠直接用來識彆手寫字符，認為受限玻耳茲曼機也是嚴格意義上的深度學習模型，等等。
　　本書的另，個特色是通過程序案例介紹深度學習模型。這對缺乏相關背景知識的讀者可能非常有幫助，使他們在知其然不知其所以然的情況F運行深度學習程序並獲得計算結果，從而在積纍實踐經驗和感性認識的過程中逐步瞭解深度學習的有關內容。本書的案例涉及三種常見的編程iIi.壽：Matlab.Pytl，o。，和（：++。其中，很多深度學習程序是用Matlah編寫的，可以直接運行。，如果使用Pvlh．，n語言‘編寫深度學習程序，則可以調用Theano開源庫；若使用c++語言，則r】“以1川Caffe斤源庫。不同的語言分析案例有助於讀者全麵瞭解深度學習模型和算法的實現途徑，並根據自己的熟練程度靈活選擇。
　　本扣是集體智慧的結晶。北京工業大學計算機學院的劉波、鬍海鶴和劉兆英等老師，以及張、ni紅、曾少鋒、瀋成愷、楊紅麗和丁勇等同學，在文獻和軟件資料的收集整理方麵提供瞭很大幫助：，此外，華章公司的溫莉芳副總經理對本書的i…版給予瞭大力支持，張夢玲編輯對本書內容的編排提齣瞭許多寶貴意見。在這裏嚮他們錶示衷心的感謝c，最後，還要感謝父母、愛人和兒女在本書寫作期間給予的理解，感謝他們的真情鼓勵、默默付im以及塒非規律生活的寬容。同時，作者在此也因減少瞭對他們的關愛而深錶愧疚和歉意。
　　限於作者水平，本書在內容取材和結構編排r町能存在不妥之處，希望使用本書的教師、學生、孥傢以及其他讀者提齣寶貴的批評和建議。，作者2016年8月於北京工業大學

深度學習導論及案例分析 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

書很好希望能堅持看完

評分☆☆☆☆☆

剛入手，翻瞭下，通俗易懂，知識全麵，不是上來就是算法那種。有起源，演化，抽象後的逐步過渡到原理與使用，寫得比較明白。大數據和機器學習都是熱點，好好學習下，後續還要多實踐。文前彩插和後麵的寫作花絮也挺有意思，哈哈

評分☆☆☆☆☆

貨,實體店兒弱爆瞭，根本沒有競爭力與京東相提並論; 比老

評分☆☆☆☆☆

買瞭三韆多的書，慢慢看吧

評分☆☆☆☆☆

這本書講的比較容易理解，最好有一定的人工智能基礎，這樣閱讀速度會快很多

評分☆☆☆☆☆

書不錯就是看不懂好書好書

評分☆☆☆☆☆

書是很不錯，但是是0.9.0的tf版本，現在都裝不瞭瞭(windows下，python CPU版 用pip install 提升未找到)，但內容是真心不錯，隻是1.4有許多改動，有些源碼需要改變比如tf.summaryWriter()要改為tf.summary.Filewriter()

評分☆☆☆☆☆

貨,實體店兒弱爆瞭，根本沒有競爭力與京東相提並論; 比老

評分☆☆☆☆☆

好書，有代碼，適閤程序員，2017年齣版，最

類似圖書 點擊查看全場最低價

查看全網最低價