深度学习：基于Matlab的设计实例

定　价：¥59.00

作　者：	【韩】Phil Kim 著
出版社：	北京航空航天大学出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787512426665	出版时间：	2018-03-01	包装：	平装
开本：	16开	页数：		字数：

内容简介

　　深度学习：基于Matlab的设计实例本书共包含6章内容，可以分为3个主题。书中例子均用MATLAB编写而成。第1个主题是机器学习。深度学习起源于机器学习，这意味着如果想要理解深度学习的本质，就必须在某种程度上知道机器学习背后的理念。第1章从机器学习与深度学习的关系开始讲起，随后是解决问题的策略和机器学习的基本局限性。第2个主题是人工神经网络这是第2~4章的重点内容。由于深度学习就是采用一种神经网络的机器学习，所以不能将神经网络与深度学习分开。第2章从神经网络的基本概念讲起：它的工作原理、体系结构和学习规则，也讲到了神经网络由简单的单层结构演化为复杂的多层结构的原因。第3章介绍了反向传播算法，它是神经网络中一种重要和典型的学习规则，深度学习也使用这种算法。本章解释了代价函数和学习规则是如何联系起来的，哪一种代价函数在深度学习中被广泛使用。第4章介绍了将神经网络应用到分类问题中的方法。其中单列一节专门讲分类，因为它是目前流行的一种深度学习应用。例如图像识别是一个分类问题，也是深度学习的一种主要应用。第3个主题是深度学习，也是本书的重点，将在第5章和第6章中讲解。第5章介绍了使深度学习能够产生卓越性能的驱动因素。第6章讲解了卷积神经网络，本章首先介绍了卷积神经网络的基本概念和结构，并与前面的图像识别算法进行了比较;随后解释了卷积层和池化层的作用和运算方法，它们是卷积神经网络的重要组成部分。第6章也包含了一个用卷积神经网络进行数字图像识别的例子，并研究了图像通过各层的演化过程。

作者简介

　　Phil Kim，博士，从事无人驾驶飞机自主飞行算法和机载软件的开发和研制工作。同时，他作为一名经验丰富的MATLAB程序员，一直致力于使用MATLAB进行人工智能、深度学习的大数据集绘制和分析算法的研究，先后在美国出版了MATLAB Deep Learning： with Machine Learning， Neural Networks and Artificial Intelligence和Deep Learning for Beginners： with MATLAB Examples 等书籍，在人工智能和MATLAB领域享有较高声誉。译者简介邹伟，副研究员，北京睿客邦科技有限公司CEO，并成立了中科院邹博人工智能研究中心（杭州站）等产研机构；研究方向为机器学习、数据挖掘、计算几何等领域，研究成果已成功应用于大型气象设备的图像与文本挖掘、金融产品AI化、股票交易与预测、高速公路流量预测和分析、传统农资产品价格预测和决策等领域；获得发明专利4项，著作权3个。

图书目录

第1章机器学习
1.1 机器学习与深度学习
1.2 什么是机器学习
1.3 机器学习的挑战
1.4 过拟合
1.5 直面过拟合
1.6 机器学习的类型
1.7 分类和回归
1.8 总结
第2章神经网络
2.1 概述
2.2 神经网络节点
2.3 多层神经网络
2.4 神经网络的监督学习
2.5 单层神经网络训练:增量规则
2.6 广义增量规则
2.7 随机梯度下降算法、批量算法和小批量算法
2.7.1 随机梯度下降算法
2.7.2 批量算法
2.7.3 小批量算法
2.8 示例:增量规则
2.8.1 随机梯度下降算法的实现
2.8.2 批量算法的实现
2.8.3 随机梯度下降算法与批量算法的比较
2.9 单层神经网络的局限性
2.10 总结
第3章训练多层神经网络
3.1 概述
3.2 反向传播算法
3.3 示例
3.3.1 XOR问题
3.3.2 动量法(Momentum)
3.4 代价函数和学习规则
3.5 示例
3.5.1 交叉熵函数
3.5.2 代价函数的比较
3.6 总结
第4章神经网络及其分类
4.1 概述
4.2 二分类
4.3 多分类
4.4 示例:多分类
4.5 总结
第5章深度学习
5.1 概述
5.2 深度神经网络的进化
5.2.1 梯度消失
5.2.2 过拟合
5.2.3 计算量的增加
5.3 示例
5.3.1 ReLU 函数
5.3.2 节点丢弃
5.4 总结
第6章卷积神经网络
6.1 概述
6.2 卷积神经网络的架构
6.3 卷积层
6.4 池化层
6.5 示例:MNIST
6.6 总结
索引