☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　

　　《深度學習、優化與識彆》的特色

　　深度學習是計算機科學與人工智能的重要組成部分。全書16章，分為理論與實踐應用兩部分，同時介紹5種深度學習主流平颱的特性與應用，後給齣瞭深度學習的前沿進展介紹，另附帶47種相關網絡模型的實現代碼。本書具有以下的特點：

　　一、內容係統全麵

　　《深度學習、優化與識彆》共16章，覆蓋瞭深度學習當前齣現的諸多經典框架或模型，《深度學習、優化與識彆》分為兩個部分。《深度學習、優化與識彆》第一部分係統地從數據、模型、優化目標函數和求解等四個方麵論述瞭深度學習的理論及算法，如捲積神經網絡、深度生成模型等；第二部分基於5種主流的深度學習平颱給齣瞭深度網絡在自然圖像、衛星遙感影像等領域的應用，如分類、變化檢測、目標檢測與識彆等任務。另外給齣瞭深度學習發展的脈絡圖及新研究進展，提供可基於5種平颱實現的47中深度網絡代碼，以便有興趣的讀者進一步鑽研探索。

　　二、敘述立場客觀

　　作為深度學習的入門教材，盡可能不帶偏見地對材料進行分析、加工以及客觀介紹。《深度學習、優化與識彆》理論部分均從模型産生的本源來介紹，並給齣各個經典模型之間內在的相互聯係。《深度學習、優化與識彆》實踐應用部分對相關任務做瞭詳盡的分析，並給齣深度學習應用實踐的經驗總結。

　　三、設計裝幀精美

　　《深度學習、優化與識彆》設計人性化，文字、公式、數學符號混排格式美觀精緻，特彆是，《深度學習、優化與識彆》全書采用全彩印製，軟精裝裝幀。封麵設計清新卻不脫俗、學術化，足可以看齣齣版社和作者的用心。

　　

內容簡介

　　

　　深度神經網絡是近年來受到廣泛關注的研究方嚮，它已成為人工智能2.0的主要組成部分。《深度學習、優化與識彆》係統地論述瞭深度神經網絡基本理論、算法及應用。《深度學習、優化與識彆》全書共16章，分為兩個部分；第一部分（第1章～10章）係統論述瞭理論及算法，包括深度前饋神經網絡、深度捲積神經網絡、深度堆棧神經網絡、深度遞歸神經網絡、深度生成網絡、深度融閤網絡等；第二部分（第11～15章）論述瞭常用的深度學習平颱，以及在高光譜圖像、自然圖像、SAR與極化SAR影像等領域的應用；第16章為總結與展望，給齣瞭深度學習發展的曆史圖、前沿方嚮及進展。《深度學習、優化與識彆》每章都附有相關閱讀材料及仿真代碼，以便有興趣的讀者進一步鑽研探索。

　　《深度學習、優化與識彆》可為高等院校計算機科學、電子科學與技術、信息科學、控製科學與工程、人工智能等領域的研究人員提供參考，以及作為相關專業本科生及研究生教學參考書，同時可供深度學習及其應用感興趣的研究人員和工程技術人員參考。

　　

作者簡介

　　焦李成，男，漢族，1959年10月生，1992年起任西安電子科技大學教授。現任智能感知與計算國際聯閤研究中心主任、智能感知與圖像理解教育部重點實驗室主任、智能感知與計算國際閤作聯閤實驗室主任、“智能信息處理科學與技術”高等學校學科創新引智基地（“111計劃”）主任、教育部科技委國際閤作部學部委員、中國人工智能學會副理事長、IET西安分會主席、IEEE西安分會奬勵委員會主席、IEEE計算智能協會西安分會主席、IEEEGRSS西安分會主席，IEEETGRS副主編、教育部創新團隊首席專傢。國務院學位委員會學科評議組成員、教育部本科教學水平評估專傢。1991年被批準為享受國務院政府津貼的專傢，1996年首批入選國傢“百韆萬”人纔工程。當選為全國模範教師、陝西省師德標兵和曾任第八屆全國人大代錶。

　　焦李成教授的主要研究方嚮為智能感知與計算、圖像理解與目標識彆、深度學習與類腦計算，培養的十餘名博士獲全國優秀博士學位論文奬、提名奬及陝西省優秀博士論文奬。研究成果獲包括國傢自然科學奬二等奬及省部級一等奬以上科技奬勵十餘項，齣版學術專著十餘部，五次獲國傢優秀科技圖書奬勵及全國首屆三個一百優秀圖書奬。所發錶的論著被他人引用超過25000餘篇次，H指數為65。

目錄

目錄

第1章深度學習基礎

1.1數學基礎

1.1.1矩陣論

1.1.2概率論

1.1.3優化分析

1.1.4框架分析

1.2稀疏錶示

1.2.1稀疏錶示初步

1.2.2稀疏模型

1.2.3稀疏認知學習、計算與識彆的範式

1.3機器學習與神經網絡

1.3.1機器學習

1.3.2神經網絡

參考文獻

第2章深度前饋神經網絡

2.1神經元的生物機理

2.1.1生物機理

2.1.2單隱層前饋神經網絡

2.2多隱層前饋神經網絡

2.3反嚮傳播算法

2.4深度前饋神經網絡的學習範式

參考文獻

第3章深度捲積神經網絡

3.1捲積神經網絡的生物機理及數學刻畫

3.1.1生物機理

3.1.2捲積流的數學刻畫

3.2深度捲積神經網絡

3.2.1典型網絡模型與框架

3.2.2學習算法及訓練策略

3.2.3模型的優缺點分析

3.3深度反捲積神經網絡

3.3.1捲積稀疏編碼

3.3.2深度反捲積神經網絡

3.3.3網絡模型的性能分析與應用舉例

3.4全捲積神經網絡

3.4.1網絡模型的數學刻畫

3.4.2網絡模型的性能分析及應用舉例

參考文獻

第4章深度堆棧自編碼網絡

4.1自編碼網絡

4.1.1逐層學習策略

4.1.2自編碼網絡

4.1.3自編碼網絡的常見範式

4.2深度堆棧網絡

4.3深度置信網絡/深度玻爾茲曼機網絡

4.3.1玻爾茲曼機/受限玻爾茲曼機

4.3.2深度玻爾茲曼機/深度置信網絡

參考文獻

第5章稀疏深度神經網絡

5.1稀疏性的生物機理

5.1.1生物視覺機理

5.1.2稀疏性響應與數學物理描述

5.2稀疏深度網絡模型及基本性質

5.2.1數據的稀疏性

5.2.2稀疏正則

5.2.3稀疏連接

5.2.4稀疏分類器設計

5.2.5深度學習中關於稀疏的技巧與策略

5.3網絡模型的性能分析

5.3.1稀疏性對深度學習的影響

5.3.2對比試驗及結果分析

參考文獻

第6章深度融閤網絡

6.1深度SVM網絡

6.1.1從神經網絡到SVM

6.1.2網絡模型的結構

6.1.3訓練技巧

6.2深度PCA網絡

6.3深度ADMM網絡

6.4深度極限學習機

6.4.1極限學習機

6.4.2深度極限學習機

6.5深度多尺度幾何網絡

6.5.1深度脊波網絡

6.5.2深度輪廓波網絡

6.6深度森林

6.6.1多分辨特性融閤

6.6.2級聯特徵深度處理

參考文獻

第7章深度生成網絡

7.1生成式對抗網絡的基本原理

7.1.1網絡模型的動機

7.1.2網絡模型的數學物理描述

7.2深度捲積對抗生成網絡

7.2.1網絡模型的基本結構

7.2.2網絡模型的性能分析

7.2.3網絡模型的典型應用

7.3深度生成網絡模型的新範式

7.3.1生成式對抗網絡的新範式

7.3.2網絡框架的性能分析與改進

7.4應用驅動下的兩種新生成式對抗網絡

7.4.1堆棧生成式對抗網絡

7.4.2對偶學習範式下的生成式對抗網絡

7.5變分自編碼器

參考文獻

第8章深度復捲積神經網絡與深度二值神經網絡

8.1深度復捲積神經網絡

8.1.1網絡模型構造的動機

8.1.2網絡模型的數學物理描述

8.2深度二值神經網絡

8.2.1網絡基本結構

8.2.2網絡的數學物理描述

8.2.3討論

參考文獻

第9章深度循環和遞歸神經網絡

9.1深度循環神經網絡

9.1.1循環神經網絡的生物機理

9.1.2簡單的循環神經網絡

9.1.3深度循環神經網絡的數學物理描述

9.2深度遞歸神經網絡

9.2.1簡單的遞歸神經網絡

9.2.2深度遞歸神經網絡的優勢

9.3長短時記憶神經網絡

9.3.1改進動機分析

9.3.2長短時記憶神經網絡的數學分析

9.4典型應用

9.4.1深度循環神經網絡的應用舉例

9.4.2深度遞歸神經網絡的應用舉例

參考文獻

第10章深度強化學習

10.1深度強化學習簡介

10.1.1深度強化學習的基本思路

10.1.2發展曆程

10.1.3應用新方嚮

10.2深度Q網絡

10.2.1網絡基本模型與框架

10.2.2深度Q網絡的數學分析

10.3應用舉例——AlphaGo

10.3.1AlphaGo原理分析

10.3.2深度強化學習性能分析

參考文獻

第11章深度學習軟件仿真平颱及開發環境

11.1Caffe平颱

11.1.1Caffe平颱開發環境

11.1.2AlexNet神經網絡學習

11.1.3AlexNet神經網絡應用於圖像分類

11.2TensorFlow平颱

11.2.1TensorFlow平颱開發環境

11.2.2深度捲積生成式對抗網DCGAN

11.2.3DAN應用於樣本擴充

11.3MXNet平颱

11.3.1MXNet平颱開發環境

11.3.2VGG�睳ET深度神經網絡學習

11.3.3圖像分類應用任務

11.4Torch 7平颱

11.4.1Torch 7平颱開發環境

11.4.2二值神經網絡

11.4.3二值神經網絡應用於圖像分類

11.5Theano平颱

11.5.1Theano平颱開發環境

11.5.2遞歸神經網絡

11.5.3LSTM應用於情感分類任務

參考文獻

第12章基於深度神經網絡的SAR/PolSAR影像地物分類

12.1數據集及研究目的

12.1.1數據集特性分析

12.1.2基本數據集

12.1.3研究目的

12.2基於深度神經網絡的SAR影像地物分類

12.2.1基於自適應自編碼和超像素的SAR圖像分類

12.2.2基於捲積中層特徵學習的SAR圖像分類

12.3基於第一代深度神經網絡的PolSAR影像地物分類

12.3.1基於稀疏極化DBN的極化SAR地物分類

12.3.2基於深度PCA網絡的極化SAR影像地物分類

12.4基於第二代深度神經網絡的PolSAR影像地物分類

12.4.1基於深度復捲積網絡的PolSAR影像地物分類

12.4.2基於生成式對抗網的PolSAR影像地物分類

12.4.3基於深度殘差網絡的PolSAR影像地物分類

參考文獻

第13章基於深度神經網絡的SAR影像的變化檢測

13.1數據集特點及研究目的

13.1.1研究目的

13.1.2數據基本特性

13.1.3典型數據集

13.2基於深度學習和SIFT特徵的SAR圖像變化檢測

13.2.1基本方法與實現策略

13.2.2對比試驗結果分析

13.3基於SAE的SAR圖像變化檢測

13.3.1基本方法與實現策略

13.3.2實驗結果和分析

13.4基於CNN的SAR圖像變化檢測

13.4.1基本方法與實現策略

13.4.2對比試驗結果分析

參考文獻

第14章基於深度神經網絡的高光譜圖像分類與壓縮

14.1數據集及研究目的

14.1.1高光譜遙感技術

14.1.2高光譜遙感的研究目的

14.1.3常用的高光譜數據集

14.2基於深度神經網絡的高光譜影像的分類

14.2.1基於堆棧自編碼的高光譜影像的分類

14.2.2基於捲積神經網絡的高光譜影像的分類

14.3基於深度神經網絡的高光譜影像的壓縮

14.3.1基於深度自編碼網絡的高光譜圖像壓縮方法

14.3.2實驗設計及分類結果

參考文獻

第15章基於深度神經網絡的目標檢測與識彆

15.1數據特性及研究目的

15.1.1研究目的

15.1.2常用數據集

15.2基於快速CNN的目標檢測與識彆

15.2.1R�睠NN

15.2.2Fast 深度學習優化與識彆 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

印刷包裝挺不錯的，內容一般，不是小甲魚的粉沒有必要買。很喜歡在東東上網購 真的不錯的 比其他網店實在 服務好 好喜歡 還會介紹朋友來

評分☆☆☆☆☆

漢 語:我來打醬油。 英 語:it's none of my business .i come to buy some sauce. 德 語:ich bezogen, was ich kam zu einer soja-so?e. 法 語:je lis ce qui, j'en suis arriv une sauce de soja. 荷 蘭 語:ik gerelateerd wat, kwam ik tot een sojasaus. 俄 語:я,касающихся того, что я пришел к соевым соусом. 西班牙語:relacionados con lo que yo, me vino a un salsa de soja. 意大利語:i relativi cosa, sono venuto a una salsa di soia. 日 本 語:私関連したどのような、私がして醤油. 希 臘 語:i σχετικ? ? τι ? ρθα σε μια σ? λτσα σ? για?. 漢 語:我來打醬油。 英 語:it's none of my bu

評分☆☆☆☆☆

時，配送員也非常的熱情，有時候不方便收件的時

評分☆☆☆☆☆

價格很實惠，寶貝質量挺好的，速度也快！包裝看起來很好，包得很用心，很喜歡瞭，忠心地感謝你，讓我買到瞭夢寐以求的寶貝，太感謝瞭！京東商城就是好，好，送貨速度快，售後很滿意，我將一如既往的支持京東商城。希望京東越來越好。加油

評分☆☆☆☆☆

漢 語:我來打醬油。 英 語:it's none of my business .i come to buy some sauce. 德 語:ich bezogen, was ich kam zu einer soja-so?e. 法 語:je lis ce qui, j'en suis arriv une sauce de soja. 荷 蘭 語:ik gerelateerd wat, kwam ik tot een sojasaus. 俄 語:я,касающихся того, что я пришел к соевым соусом. 西班牙語:relacionados con lo que yo, me vino a un salsa de soja. 意大利語:i relativi cosa, sono venuto a una salsa di soia. 日 本 語:私関連したどのような、私がして醤油. 希 臘 語:i σχετικ? ? τι ? ρθα σε μια σ? λτσα σ? για?. 漢 語:我來打醬油。 英 語:it's none of my bu

評分☆☆☆☆☆

很好 剛開始學習機器學習 結閤著AndrewNg的課程 學習來超好 主要是理論 又下單瞭幾本實戰的書 超棒的

評分☆☆☆☆☆

價格很實惠，寶貝質量挺好的，速度也快！包裝看起來很好，包得很用心，很喜歡瞭，忠心地感謝你，讓我買到瞭夢寐以求的寶貝，太感謝瞭！京東商城就是好，好，送貨速度快，售後很滿意，我將一如既往的支持京東商城。希望京東越來越好。加油

評分☆☆☆☆☆

和此賣傢交流，不由得精神為之一振，自覺七經八脈為之一暢，我在京東買瞭這麼多年，所謂閱商無數，但與賣傢您交流，我隻想說，老闆你實在是太好瞭，你的高尚情操太讓人感動瞭，本人對此賣傢之仰慕如滔滔江水連綿不絕，海枯石爛，天崩地裂，永不變心。交易成功後，我的心情是久久不能平靜，自古英雄齣少年，賣傢年紀輕輕，就有經天緯地之纔，定國安邦之智，而今，天佑我大中華，滄海桑田5000年，神州平地一聲雷，飛沙走石，大霧迷天。

評分☆☆☆☆☆

　　本書囊括瞭數學及相關概念的背景知識，包括綫性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹瞭工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、捲積網絡、序列建模和實踐方法等，並且調研瞭諸如自然語言處理、語音識彆、計算機視覺、在綫推薦係統、生物信息學以及視頻遊戲方麵的應用。最後，本書還提供瞭一些研究方嚮，涵蓋的理論主題包括綫性因子模型、自編碼器、錶示學習、結構化概率模型、濛特卡羅方法、配分函數、近似推斷以及深度生成模型。

類似圖書 點擊查看全場最低價

查看全網最低價