电子书：《神经网络与深度学习应用实战》《神经网络与深度学习应用实战》
111
内容简介：
神经网络与深度学习应用实战刘凡平等编著電子工棠出版社publishing house of electronics industry北京· beljing
内容简介本书结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络.以及自组织竞争型神经网络.并针对当下深度学习中比较重要的网络进行了详细介绍.包括卷积神经网络、循环(递归)神经网络、深度信念网络、生成对抗网络.以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知.更能让读者在人工智能领域进行一些深入思考未经许可.不得以任何方式复制或抄袭本书之部分或全部内容。版权所有.侵权必究图书在版编目(c|p)数据神经网络与深度学习应用实战/刘凡平等编著.一北京:电子工业出版社.20183bn9787.121-33718-5①神…ⅱ.①刘…ⅲ.①人工神经网络一应用一研究②机器学习一应用一研究ⅳ.①tp1②tp81中guo版本图书馆cp数据核字(2018)第031212号责任编辑:安娜印刷:三河市双峰印刷装订装订:三河市双峰印刷装出版发行:电子工业出版社比京市海淀区万寿路173信箱邮编:100036开本:787×9801/16印张:15.75字数:300千字版次:2018年3月第1版印次:2018年3月第1次印刷定价:69.00元凡所购买电子工业出版社图书有缺损问题.请向购买书店调换。若书店售缺.请与本社发行部联系联系及邮购电话010)88254888.8825888质量投诉请发邮件至[email protected].盗版侵权举报请发邮件至dbqqlaphei.com.cn本书咨询联系方式:[email protected]
前言本书结合实际应用介绍神经网络和深度学习等技术领域相关信息.从结构上重点介绍了前馈型神经网络、反馈型神经网络.以及自组织竞争型神经网络.并针对当下深度学习中比较重要的网络进行了详细介绍.包括卷积神经网络、循环(递归)神经网络、深度信念网络、生成对抗网络.以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知.更能让读者在人工智能领域进读者对象对神经网络、深度学习以及人工智能有兴趣的读者对算法以及机器学习领域有兴趣的读者软件工程或计算机相关专业的在校学生本书特色书中内容紧密结合当前一线工程师工作研究成果.是对当前神经网络和深度学习的完整性原理介绍和实践分析。本书充分利用了最新技术发展的应用成果.不仅结合原理分析.还结合案例进行.辅。助.理本书介绍的相关深度学习技术广泛应用于各个领域.可以在自然语言处理、计算机视觉文本分析等领域中应用.在当前甚至未来三到五年.都具有实际意义本书结构本书按照由浅入深、循序渐进的顺序对神经网络和深度学习的内容进行介绍。全书共分篇.分别从基础、进阶、高阶三个层次逐步展开.总共12章.各章的主要内容如下第1章阐述了在当前时代背景下.神经网络和人工智能的发展历程.针对未来人工智能极
ⅳ|神经网络与深度学习应用实战可能改变的领域进行了深入介绍.并介绍了深度学习与机器学习的关系.以及深度学习与人工第2章介绍了神经网络和深度学习的数学基础.从向量、矩阵、导数、数值计算、概率分布、参数估计等方面进行了详细介绍.为学习后续内容奠定基础。第3章重点介绍了机器学习的基础内容.神经网络和深度学习都属于机器学习中的内容.包括拟合问題、交叉检验、产生式与判别式模型等.有助于加强对神经网络和深度学习的理解第4章介绍了神经网络的基础.包括神经网络中常见的学习方法以及神经网络的优化方法.阐述了常见的神经网络类型以及深度学习中的网络类型.并介绍了深度学习与多层神经网络的第5章重点介绍了前馈型神经网络.它是神经网络中极为重要的一种网络类型。本章从单层感知器开始.逐步深入介绍了bp神经网络以及径向基函数神经网络.重点介绍了反向传播算法第6章详细介绍了反馈型神经网络.它是一种带联想记忆的神经网络。本章重点介绍了hopfiled神经网络、lman神经网络以及递归神经网络。对于递归神经网络还进行了更为深入的介绍.包括其反向传播算法以及各类改进的结构。第7章重点介绍了自组织竟争型神经网络.从传统的系统聚类法、基于划分的聚类算法基于密度的聚类算法、基于层次的聚类算法开始.详细介绍了自组织竟争型神经网络中的典型代表——一自组织映射网络.还介绍了自适应共振理论以及对偶传播网络。第8章介绍了卷积神经网络.卷积神经网络是目前图像处理中比较优秀的神经网络。本章重点介绍了卷积神经网络中的卷积、卷积核等重要基础概念.详细阐述了卷积神经网络中各层的工作原理.并介绍了常见的间距神经网络结构第9章介绍了循环神经网络.循环神经网络与递归神经网络有一定的相似性。本章介绍了殼的循环神经网络.包括单向循环神经网络、双向循环神经网络以及深度循环神经网络。重点介绍了长短时记忆网络第10章介绍了深度信念网络.深度信念网络是由受限玻尔兹曼机组成的网络结构。本章重点介绍了受限玻尔兹曼机的逻辑结构和工作原理.并介绍了深度信念网络的训练过程第11章介绍了生成对抗网络.生成对抗网络是未来会有较大突破的网络结构之一。本章从一般的生成对抗网络入手进行介绍.然后介绍了各类改进版本.包括 dcgan、cganwgan等.并对生成对抗网络的未来做了一定猜想
第12章介绍了深度强化学习.深度强化学习是一种有别于传统的有监督学习和无监督学习的学习方式。本章重点介绍了强化学习的工作原理、马尔科夫决策过程等.并结合强化学习的各类算法进行了详细的介绍。上述章节中.郭武彪完成了第6章内容的编写.陈相礼完成了第9章内容的编写.杨华完了第11章内容的编写以及本书格式校验.其余章节内容由刘凡平完成编写.并对本书内容进行了校验由于时间仓促及编者水平有限.书中难免存在错误和不足之处.恳请广大读者多多理解并批评指正.也可以通过邮箱(liufanping(@iveely.com)联系我们读者服务轻松注册成为博文视点社区用户(www.broadview.com.cn).扫码直达本书页面◎提交勘误:您对书中内容的修改意见可在提交勘误处提交.若被釆纳.将获赠博文视点社区积分(在您购买电子书时.积分可用来抵扣相应金额)交流互动:在页面下方读者评论处留下您的疑问或观点.与我们和其他读者一同学习交流页面入口:htp:/www.broadviewcom.cn3718
