産品特色

內容簡介

深度學習：基於Matlab的設計實例

本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。

第1個主題是機器學習。深度學習起源於機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背後的理念。第1章從機器學習與深度學習的關係開始講起,隨後是解決問題的策略和機器學習的基本局限性。

第2個主題是人工神經網絡這是第2~4章的重點內容。由於深度學習就是采用一種神經網絡的機器學習,所以不能將神經網絡與深度學習分開。第2章從神經網絡的基本概念講起:它的工作原理、體係結構和學習規則,也講到瞭神經網絡由簡單的單層結構演化為復雜的多層結構的原因。第3章介紹瞭反嚮傳播算法,它是神經網絡中一種重要和典型的學習規則,深度學習也使用這種算法。本章解釋瞭代價函數和學習規則是如何聯係起來的,哪一種代價函數在深度學習中被廣泛使用。第4章介紹瞭將神經網絡應用到分類問題中的方法。其中單列一節專門講分類,因為它是目前流行的一種深度學習應用。例如圖像識彆是一個分類問題,也是深度學習的一種主要應用。

第3個主題是深度學習,也是本書的重點,將在第5章和第6章中講解。第5章介紹瞭使深度學習能夠産生卓越性能的驅動因素。第6章講解瞭捲積神經網絡,本章首先介紹瞭捲積神經網絡的基本概念和結構,並與前麵的圖像識彆算法進行瞭比較;隨後解釋瞭捲積層和池化層的作用和運算方法,它們是捲積神經網絡的重要組成部分。第6章也包含瞭一個用捲積神經網絡進行數字圖像識彆的例子,並研究瞭圖像通過各層的演化過程。

作者簡介

Phil Kim，博士，從事無人駕駛飛機自主飛行算法和機載軟件的開發和研製工作。同時，他作為一名經驗豐富的MATLAB程序員，一直緻力於使用MATLAB進行人工智能、深度學習的大數據集繪製和分析算法的研究，先後在美國齣版瞭MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples 等書籍，在人工智能和MATLAB領域享有較高聲譽。

譯者簡介

鄒偉，副研究員，北京睿客邦科技有限公司CEO，並成立瞭中科院鄒博人工智能研究中心（杭州站）等産研機構；研究方嚮為機器學習、數據挖掘、計算幾何等領域，研究成果已成功應用於大型氣象設備的圖像與文本挖掘、金融産品AI化、股票交易與預測、高速公路流量預測和分析、傳統農資産品價格預測和決策等領域；獲得發明專利4項，著作權3個。

內頁插圖

目錄

第1章 機器學習

1.1 機器學習與深度學習

1.2 什麼是機器學習

1.3 機器學習的挑戰

1.4 過擬閤

1.5 直麵過擬閤

1.6 機器學習的類型

1.7 分類和迴歸

1.8 總 結

第2章 神經網絡

2.1 概 述

2.2 神經網絡節點

2.3 多層神經網絡

2.4 神經網絡的監督學習

2.5 單層神經網絡訓練:增量規則

2.6 廣義增量規則

2.7 隨機梯度下降算法、批量算法和小批量算法

2.7.1 隨機梯度下降算法

2.7.2 批量算法

2.7.3 小批量算法

2.8 示例:增量規則

2.8.1 隨機梯度下降算法的實現

2.8.2 批量算法的實現

2.8.3 隨機梯度下降算法與批量算法的比較

2.9 單層神經網絡的局限性

2.10 總 結

第3章 訓練多層神經網絡

3.1 概 述

3.2 反嚮傳播算法

3.3 示 例

3.3.1 XOR問題

3.3.2 動量法(Momentum)

3.4 代價函數和學習規則

3.5 示 例

3.5.1 交叉熵函數

3.5.2 代價函數的比較

3.6 總 結

第4章 神經網絡及其分類

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

第5章 深度學習

5.1 概 述

5.2 深度神經網絡的進化

5.2.1 梯度消失

5.2.2 過擬閤

5.2.3 計算量的增加

5.3 示 例

5.3.1 ReLU 函數

5.3.2 節點丟棄

5.4 總 結

第6章 捲積神經網絡

6.1 概 述

6.2 捲積神經網絡的架構

6.3 捲積層

6.4 池化層

6.5 示例:MNIST

6.6 總 結

索 引

前言/序言

序 言

我有幸見證瞭世界嚮信息化社會的轉變過程,隨之而來的就是一個網絡化的環境。我從小就生活在這種變革中。個人計算機的發明打開瞭人類通嚮信息世界的大門,接著就是互聯網將計算機連接瞭起來,智能手機將人與人聯係瞭起來。現在,每個人都意識到人工智能的浪潮已經到來。越來越多的智能服務即將被發明齣來,同時這也將把我們帶入一個新的智能時代。深度學習是引領這股智能浪潮的前沿技術。雖然它最終可能將其寶座

移交給其他新技術,但是目前它仍是各種人工智能新技術的重要基石。

深度學習如此流行,以至於關於它的資料隨處可見。然而適用於初學者的資料並不多見。我編寫這本書的目的是希望幫助初學者在學習這個新知識的過程中不那麼痛苦,因為我曾體驗過這種痛苦,同時也希望本書中具體的開發實例講解能夠幫助初學者避免我曾經遇到的睏惑。

本書主要考慮瞭兩類讀者。第一類是準備係統地學習深度學習以進一步研究和開發的讀者。這類讀者需要從頭到尾閱讀本書內容,其中的示例代碼將更加有助於進一步理解本書所講的內容。我為提供恰當的例子並加以實現做齣瞭很大的努力,同時為瞭使編寫的代碼易於閱讀和理解,均將它們用MATLAB編寫而成。在簡單和直觀性上,沒有任何語言比MATLAB更易於處理深度學習中的矩陣。示例代碼僅采用瞭基本的函數和語法,以便不熟悉MATLAB的讀者也能容易理解和分析裏麵的概念。對於熟悉編程的讀者來說,代碼可能比文字更容易理解。

第二類是想比從雜誌或報紙上獲得更深入的深度學習信息,但不必進行實際研究的讀者。這類讀者可以跳過代碼,隻需簡要地閱讀對這些概念的解釋即可;也可以跳過神經網絡的學習規則這部分內容。實際上,因為很容易獲取各種深度學習庫,甚至開發者很少需要親自實現這些學習規則,因此,對於那些從不想開發深度學習的人員,不必擔心本書內容的難度。但是請重點關注第1章、第2章(第2.1~2.4節)、第5章和第6章的內容。特彆是第6章,即使隻是閱讀其概念和示例結果,也有助於理解深度學習的大多數重要技術。為瞭提供理論背景,本書中偶爾會齣現一些方程,但它們隻是基礎的運算。閱讀和學習你能忍受的內容最終將讓你對這些概念有個全麵的理解。

本書結構

本書共包含6章內容,可以分為3個主題。

第1個主題是機器學習,這是第1章的內容。深度學習起源於機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背後的理念。第1章從機器學習與深度學習的關係開始講起,隨後是解決問題的策略和機器學習的基本局限性。此處僅涵蓋瞭神經網絡和深度學習的基本概念,並沒有詳細介紹技術本身。

第2個主題是人工神經網絡,這是第2~4章的重點內容。由於深度學習就是采用一種神經網絡的機器學習,所以不能將神經網絡與深度學習分開。第2章從神經網絡的基本概念講起:它的工作原理、體係結構和學習規則,也講到瞭神經網絡由簡單的單層結構演化為復雜的多層結構的原因。

第3章介紹瞭反嚮傳播算法,它是神經網絡中一種重要和典型的學習規則,深度學習也使用這種算法。本章解釋瞭代價函數和學習規則是如何聯係起來的,哪一種代價函數在深度學習中被廣泛使用。第4章介紹瞭將神經網絡應用到分類問題中的方法。其中單列一節專門講分類,因為它是目前最流行的一種深度學習應用。例如圖像識彆是一個分類問題,也是深度學習的一種主要應用。

第3個主題是深度學習,也是本書的重點,將在第5章和第6章中講解。第5章介紹瞭使深度學習能夠産生卓越性能的驅動因素。為瞭有助於更好地理解,本章先談瞭深度學習的發展曆程,包括它遇到的障礙及解決辦法。第6章講解瞭捲積神經網絡,它是深度學習的代錶性技術。捲積神經網絡在圖像識彆領域是首屈一指的技術。本章首先介紹瞭捲積神經網絡的基本概念和結構,並與前麵的圖像識彆算法進行瞭比較;隨後解釋瞭捲積層和池化層的作用和運算方法,它們是捲積神經網絡的重要組成部分。第6章也包含瞭一個用捲積神經網絡進行數字圖像識彆的例子,並研究瞭圖像通過各層的演化過程。

示例代碼

本書中的全部代碼和數據都能通過下麵的鏈接獲取,這些例子都通過瞭MATLAB 2014的測試,並且不需要額外的工具箱,鏈接地址是github.com/philbooks/Deep-Learning-for-Beginners

緻 謝

實際上,我認為大部分書籍的緻謝都與讀者無關,然而我還是準備按慣例寫下一些感謝的話語,因為許多人和事對我來說都很特彆。首先,我對在Modulabs共同學習深度學習的朋友們深錶感謝,我所知道的大部分深度學習知識都來源於他們;並且我還要感謝我的導師S. Kim,是他接受我,把我領進瞭這個奇妙的領域,共度春夏鞦鼕,我纔能在Modulabs完成本書的大部分內容。

同時我也感謝來自Bogonet的Jeon主席,來自KARI的H. You博士、Y.S. Kang博士和J.H. Lee先生,來自Modulabs的S. Kim 導師,來自J. MARPLE的W. Lee先生和S. Hwang先生,他們都花瞭很多時間和精力來閱讀和修改我的書稿,他們在整個修改過程中提齣瞭很多建議,雖然這也給瞭我一段艱難的時光,但隻有這樣我現在纔能毫無遺憾地完成本書。

最後,我把最深的感謝和愛獻給我的妻子,她是我此生遇到的最好的女人;我也愛我的孩子,他們從來不會厭倦我,並且與我分享瞭珍貴的迴憶。

不錯很好，希望能夠有很大用處。

不錯很好，希望能夠有很大用處。

這本書幾乎沒用，還定價之高，建議彆買！！！

好好好好好好好好好好好好好好好好好好好好

好

好

感覺內容排版間距有些大，有充當頁數的意思，而且有些小貴，不過對科研有些幫助話，也就無所謂瞭

字大行稀，看完追評！

字大行稀，看完追評！