深度学习基础与应用 pdf下载

基本信息

• 商品名称：深度学习基础与应用
• 作者：编者:武玉伟//梁玮//裴明涛//吴心筱|责编:曾仙
• 定价：79
• 出版社：北京理工大学
• 书号：9787568283731

其他参考信息（以实物为准）

• 出版时间：2020-11-01
• 印刷时间：2020-11-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：
• 字数：100千字

编辑推荐语

按资助考核，樊总。原策划编辑李秀梅/综合分社（外编 王晓莉 曾仙）（1.3 1）

内容提要

本书分四部分介绍深度学习算法模型及相关应用实例。 部分介绍在深度学习中 的一些数学和机器学习的基础知识。第二部分介绍卷积神经网络、循环神经网络、深度强化网络等经典模型，并对每种模型从原理、结构、优化等方面进行论述。第三部分介绍深度学习中常用的优化方法及训练技巧。第四部分结合实践来介绍深度学习在计算机视觉、模式识别中的应用。本书同时兼顾理论和应用，有助于读者理解基本理论知识，并将理论知识用于实际应用。
     本书既可以作为高等院校计算机及相关专业的高年级本科生和研究生教材，也可以作为对深度学习感兴趣的研究人员和工程人员的参考用书。

作者简介

武玉伟，北京理工大学特别副研究员，博士生导师。博士毕业于北京理工大学。主要研究方向为计算机视觉、机器学习。在计算机科学 重要刊物和 学术会议发表论文30余篇。博士论文获“2016年中国人工智能学会 博士学位论文提名奖”。
  裴明涛，北京理工大学计算机学院副教授，博士生导师，主要研究方向为计算机视觉和人工智能。在IEEE TIP、IEEE TMM、PR、CVIU等重要 刊物和ICCV、AAAI、ICME等重要 会议上发表学术论文60余篇，获 发明专利6项，出版学术专著一部，作为负责人主持 自然科学基金面上项目与 973项目子课题等10多项科研项目，获得省部级科技奖2项。
  梁玮，北京理工大学计算机学院副教授，博士生导师。2005年毕业于北京理工大学计算机学院，获工学博士学位。2014―2015年在加州大学洛杉矶分校客座研究。主要研究方向为计算机视觉和智能人机交互。作为项目负责人主持 自然科学基金两项、北京市自然科学基金一项、“973计划”子课题一项。在ICCV、IJCAI、AAAI、SIGGRAPH Asia、IEEE VR、TVCG等计算机视觉、人工智能、计算机图形学以及虚拟现实等多 会议上和重要期刊上发表论文40余篇。
  吴心筱，北京理工大学副教授，博士生导师。2010年获得北京理工大学博士学位。主要研究方向为计算机视觉、图像视频内容理解。在IJCV、IEEE TIP、IEEE TMM等重要 刊物和AAAI、ICCV、CVPR、ECCV等 会议上发表学术论文30余篇。负责 自然科学基金青年和面上项目、 博士点基金等项目。博士论文获“2012年中国人工智能学会 博士学位论文”荣誉。

目录

第1章 绪论
1.1 人工智能
1.1.1 什么是人工智能
1.1.2 人工智能的实现途径
1.1.3 人工智能发展简史
1.2 深度学习
1.2.1 深度学习发展简史
1.2.2 深度学习的主要应用
第2章 基础知识
2.1 线性代数
2.1.1 线性代数基础
2.1.2 矩阵的秩及矩阵运算
2.1.3 常见特殊矩阵
2.1.4 范数
2.1.5 特征分解
2.1.6 奇异值分解
2.2 概率论
2.2.1 随机变量
2.2.2 概率分布
2.2.3 随机变量的数字特征
2.2.4 贝叶斯定理
2.2.5 常用概率分布
2.3 化方法
2.3.1 梯度下降法
2.3.2 牛顿法
2.3.3 拟牛顿法
2.4 机器学习
2.4.1 基本概念
2.4.2 似然估计
2.4.3 机器学习的三要素
2.4.4 过拟合与欠拟合
2.4.5 学习方式
2.4.6 评估方法
2.4.7 性能度量
2.5 神经网络
2.5.1 神经元模型
2.5.2 单层感知器
2.5.3 多层感知器
}3章深度卷积神经网络
3.1 卷积层和卷积运算
3.1.1 生物机理
3.1.2 卷积运算
3.2 池化层和池化运算
3.3 AlexNet卷积神经网络
3.3.1 AlexNet的提出背景
3.3.2 AlexNet的网络结构
3.3.3 AlexNet的训练细节
3.3.4 AlexNet在分类任务上的表现
3.4 VGG网络
3.4.1 VGG网络的提出背景