作品简介

本书从深度学习的发展历史入手,系统地介绍了深度学习的基本概念、数学基础和主流模型,以夯实读者的理论基础。同时,针对当前流行的主流框架,循序渐进,一步一步引导读者了解深度学习的使用过程,增强动手能力。在此基础上,通过具体例子介绍了深度学习在图像、语音、文本中的应用,还简要地介绍了增强学习、迁移学习,深度学习硬件实现等前沿知识,扩展了深度学习的内容。每章都附有相应的习题和参考文献,以便感兴趣的读者进一步深入思考。“让学习变得轻松”是本书的基本编写理念。

本书适合作为计算机、电子信息、大数据、人工智能相关专业本科生和研究生的教材,也适合作为深度学习研究与开发人员的入门书籍。

刘鹏,男,博士,高级工程师,分别于2005年和2012年获南京理工大学计算机科学与技术专业和模式识别与智能系统专业学士与博士学位。2008年至2010年,获国家留学基金委全额资助公派留学澳大利亚国立大学,从事计算机视觉与模式识别领域的研究。2017年入选江苏省青年科技人才托举工程。在人机交互、模式识别、机器学习、图像分析等领域的主流国际期刊会议上发表论文10多篇。是IEEE、中国计算机学会、中国人工智能学会会员,江苏省人工智能学会模式识别专业委员会常务委员,担任计算机视觉与模式识别领域内多个学术期刊和会议的审稿人,参与多项国家省部级课题,组织并参与了多项智能人机交互的校企合作项目。

作品目录

  • 内容简介
  • 编 写 组
  • 总 序
  • 前 言
  • 第1章 深度学习的来源与应用
  • 1.1 人工智能的思想、流派与发展起落
  • 1.2 什么是深度学习
  • 1.3 机器学习与深度学习
  • 1.4 深度学习的应用场景
  • 习题
  • 参考文献
  • 第2章 深度学习的数学基础
  • 2.1 线性代数
  • 2.2 概率与统计
  • 2.3 多元微积分
  • 习题
  • 参考文献
  • 第3章 人工神经网络与深度学习
  • 3.1 探秘大脑的工作原理
  • 3.2 人脑神经元模型
  • 3.3 M-P模型
  • 3.4 人脑神经网络的互连结构
  • 3.5 人工神经网络的学习
  • 3.6 人工神经网络的特点
  • 3.7 神经网络基本概念与功能
  • 3.8 深度学习其他网络结构
  • 习题
  • 参考文献
  • 第4章 深度学习基本过程
  • 4.1 正向学习过程
  • 4.2 反向调整过程
  • 4.3 手写体数字识别实例
  • 习题
  • 参考文献
  • 第5章 深度学习主流模型
  • 5.1 卷积神经网络
  • 5.2 循环神经网络
  • 习题
  • 参考文献
  • 第6章 深度学习的主流开源框架
  • 6.1 Caffe
  • 6.2 TensorFlow
  • 6.3 其他开源框架
  • 习题
  • 参考文献
  • 第7章 深度学习在图像中的应用
  • 7.1 图像识别基础
  • 7.2 基于深度学习的大规模图像识别
  • 7.3 应用举例:人脸识别
  • 7.4 应用举例:图像风格化
  • 7.5 应用举例:图像标注
  • 习题
  • 参考文献
  • 第8章 深度学习在语音中的应用
  • 8.1 语音识别基础
  • 8.2 基于深度学习的连续语音识别
  • 8.3 应用举例:语音输入法
  • 习题
  • 参考文献
  • 第9章 深度学习在文本中的应用
  • 9.1 自然语言处理基础
  • 9.2 基于深度学习的文本处理
  • 9.3 应用举例:机器翻译
  • 9.4 应用举例:聊天机器人
  • 习题
  • 参考文献
  • 第10章 深度学习前沿发展
  • 10.1 增强学习
  • 10.2 迁移学习
  • 10.3 记忆网络
  • 10.4 深度学习的硬件实现
  • 习题
  • 参考文献
  • 附录A 人工智能和大数据实验环境
  • 反侵权盗版声明
展开全部