深度學習:基於Matlab的設計實例

深度學習:基於Matlab的設計實例
定價:354
NT $ 308
 

內容簡介

深度學習如此流行,以至於關於它的資料隨處可見。但往往是理論連篇,並不適合開發者具體使用,本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細致,目的就是希望幫助開發者在學習這個人工智能的過程中不那麼痛苦,同時也希望用本書中具體的開發實例講解能夠幫助開發者避免困惑。本書主要考慮了兩類讀者。第一類是准備系統地學習深度學習以進一步研究和開發的讀者,書中的示例代碼將更加有助於進一步理解本書所講的內容。第二類是想比從雜志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。書中概念和示例結果,也有助於您理解深度學習的大多數重要技術。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,這意味着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后的理念。第1章從機器學習與深度學習的關系開始講起,隨后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、體系結構和學習規則,也講到了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章介紹了反向傳播算法,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。本章解釋了代價函數和學習規則是如何聯系起來的,哪一種代價函數在深度學習中被廣泛使用。第4章介紹了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。例如圖像識別是一個分類問題,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章介紹了使深度學習能夠產生卓越性能的驅動因素。第6章講解了卷積神經網絡,本章首先介紹了卷積神經網絡的基本概念和結構,並與前面的圖像識別算法進行了比較;隨后解釋了卷積層和池化層的作用和運算方法,它們是卷積神經網絡的重要組成部分。第6章也包含了一個用卷積神經網絡進行數字圖像識別的例子,並研究了圖像通過各層的演化過程。



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制工作。同時,他作為一名經驗豐富的MATLAB程序員,一直致力於使用MATLAB進行人工智能、深度學習的大數據集繪制和分析算法的研究,先后在美國出版了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。

網路書店 類別 折扣 價格
  1. 新書
    87
    $308