国产高清DVD,日韩一区二区无码免费

《深度學(xué)習(xí)基礎(chǔ)與案例教程》主要介紹深度學(xué)習(xí)基礎(chǔ)理論及案例實(shí)戰(zhàn)，共11章內(nèi)容，從人工智能基礎(chǔ)，到深度學(xué)習(xí)算法原理，再到深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)，邏輯清晰，由淺入深，內(nèi)容層次分明，從簡(jiǎn)單的線性模型引出非線性的深度學(xué)習(xí)模型。深度學(xué)習(xí)模型部分主要講解卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、Transformer模型、生成對(duì)抗網(wǎng)絡(luò)、遷移學(xué)習(xí)等�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》在介紹理論內(nèi)容時(shí)配有公式推導(dǎo)和詳細(xì)的闡述，便于讀者理解。在項(xiàng)目實(shí)戰(zhàn)方面，本書每個(gè)算法理論都對(duì)應(yīng)一個(gè)案例進(jìn)行鞏固，并在最后兩章結(jié)合深度學(xué)習(xí)的兩大領(lǐng)域——自然語(yǔ)言處理與計(jì)算機(jī)視覺(jué)，選取電影評(píng)論情感分析與圖像分類作為全書的綜合實(shí)戰(zhàn)項(xiàng)目，對(duì)全書內(nèi)容進(jìn)行總結(jié)�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》基于TensorFlow框架開發(fā)，代碼簡(jiǎn)潔明了，每個(gè)項(xiàng)目實(shí)戰(zhàn)案例都配有完整的項(xiàng)目實(shí)現(xiàn)代碼，并對(duì)代碼進(jìn)行了詳細(xì)的注解。《深度學(xué)習(xí)基礎(chǔ)與案例教程》可以作為高等院校人工智能相關(guān)專業(yè)本科生、研究生的入門教材，也可作為相關(guān)工程技術(shù)人員的參考書。

深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)重要分支，近年來(lái)在人工智能領(lǐng)域取得了顯著的突破和進(jìn)展。憑借強(qiáng)大的表示學(xué)習(xí)和特征學(xué)習(xí)能力，深度學(xué)習(xí)在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等多個(gè)領(lǐng)域取得了超越傳統(tǒng)方法的性能表現(xiàn)。隨著大數(shù)據(jù)、高性能計(jì)算和算法理論的不斷發(fā)展，深度學(xué)習(xí)的應(yīng)用范圍和影響力也在不斷擴(kuò)大，目前已經(jīng)被廣泛應(yīng)用于各個(gè)領(lǐng)域。為了滿足社會(huì)對(duì)相關(guān)人才的需求，亟待提高學(xué)生對(duì)深度學(xué)習(xí)及其技術(shù)的理解和掌握能力，提升模型綜合應(yīng)用能力�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》首先對(duì)人工智能基礎(chǔ)進(jìn)行概述，由淺入深地介紹深度學(xué)習(xí)的基礎(chǔ)知識(shí)，以簡(jiǎn)單的線性模型作為切入點(diǎn)，逐步過(guò)渡到非線性的神經(jīng)網(wǎng)絡(luò)�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》對(duì)深度學(xué)習(xí)幾大經(jīng)典算法進(jìn)行了細(xì)致的講解，包括用于處理圖像數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)，用于處理序列數(shù)據(jù)的循環(huán)神經(jīng)網(wǎng)絡(luò)和Transformer模型。除深度學(xué)習(xí)領(lǐng)域的經(jīng)典算法外，《深度學(xué)習(xí)基礎(chǔ)與案例教程》還詳細(xì)闡述了深度學(xué)習(xí)中的幾種處理問(wèn)題的思路，包括遷移學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)，幫助讀者建立解決問(wèn)題的思維模式。最后，《深度學(xué)習(xí)基礎(chǔ)與案例教程》結(jié)合講解過(guò)的深度學(xué)習(xí)技術(shù)與實(shí)際生活中的場(chǎng)景，提供兩個(gè)綜合案例來(lái)進(jìn)行鞏固提升。第一個(gè)案例是電影評(píng)論情感分析，涉及循環(huán)神經(jīng)網(wǎng)絡(luò)和文本語(yǔ)義處理等知識(shí)的綜合應(yīng)用。第二個(gè)案例是圖像分類，涉及卷積神經(jīng)網(wǎng)絡(luò)及圖像處理、數(shù)據(jù)可視化、模型的部署等知識(shí)的綜合應(yīng)用�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》特點(diǎn)鮮明，算法理論與實(shí)戰(zhàn)相結(jié)合。在每個(gè)算法理論講解完成后，都會(huì)通過(guò)一個(gè)案例對(duì)算法理論進(jìn)行鞏固，并為案例提供了詳細(xì)的解析步驟，從而加深讀者對(duì)理論的理解。最后，通過(guò)兩個(gè)綜合實(shí)戰(zhàn)對(duì)全書內(nèi)容進(jìn)行總結(jié)，涵蓋深度學(xué)習(xí)的兩大領(lǐng)域，即自然語(yǔ)言處理與計(jì)算機(jī)視覺(jué)�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》的第1~7章主要由遲殿委編寫，第8章主要由徐紅梅、黃茵茵、劉夢(mèng)瑤編寫，第9~11章主要由賈澤豪編寫，教材課件制作和文檔資料整理由劉麗貞負(fù)責(zé)，劉衍琦、黃琪、孔德昱、黃甜甜、杜廣勛參與了項(xiàng)目代碼調(diào)試和整理工作。遲殿委對(duì)全文進(jìn)行了統(tǒng)一的內(nèi)容校對(duì)與格式編輯�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》基于TensorFlow框架編寫深度學(xué)習(xí)經(jīng)典算法，環(huán)境搭建步驟清晰、簡(jiǎn)潔，易于上手，重點(diǎn)放在算法理解和應(yīng)用�！渡疃葘W(xué)習(xí)基礎(chǔ)與案例教程》配套了全部源代碼、電子課件、教學(xué)大綱等教學(xué)資源，可以作為高等院校人工智能相關(guān)專業(yè)教材或教參用書，也可以作為工程師的參考用書。感謝各位讀者對(duì)本書的關(guān)注和實(shí)踐。在編寫過(guò)程中，由于技術(shù)的快速發(fā)展，書中可能存在一些不足之處。我們誠(chéng)摯地歡迎讀者們提出寶貴的反饋意見，以幫助我們不斷完善和改進(jìn)教材內(nèi)容及案例。

前言第1章人工智能基礎(chǔ)11人工智能簡(jiǎn)介111人工智能的背景112人工智能的歷史113人工智能的定義12人工智能的特征13人工智能參考框架14人工智能研究?jī)?nèi)容141研究領(lǐng)域142人工智能算法及分類15人工智能研究方向151知識(shí)圖譜152自然語(yǔ)言處理153人機(jī)交互154計(jì)算機(jī)視覺(jué)16思考與練習(xí)第2章機(jī)器學(xué)習(xí)與深度學(xué)習(xí)入門21機(jī)器學(xué)習(xí)簡(jiǎn)介211什么是機(jī)器學(xué)習(xí)212機(jī)器學(xué)習(xí)的發(fā)展史213機(jī)器學(xué)習(xí)的分類22機(jī)器學(xué)習(xí)的基礎(chǔ)理論221機(jī)器學(xué)習(xí)三要素與核心222機(jī)器學(xué)習(xí)開發(fā)流程22315種經(jīng)典機(jī)器學(xué)習(xí)算法224機(jī)器學(xué)習(xí)常用術(shù)語(yǔ)23深度學(xué)習(xí)簡(jiǎn)介231什么是深度學(xué)習(xí)232深度學(xué)習(xí)開發(fā)框架233TensorFlow框架介紹24人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系25思考與練習(xí)第3章線性模型31線性回歸算法311線性回歸簡(jiǎn)介312回歸算法的評(píng)價(jià)指標(biāo)32梯度下降法321算法理解322隨機(jī)梯度下降法理論323案例：波士頓房?jī)r(jià)預(yù)測(cè)實(shí)戰(zhàn)33過(guò)擬合331過(guò)擬合產(chǎn)生的原因332常見線性回歸正則化方法333案例：波士頓房?jī)r(jià)預(yù)測(cè)正則化實(shí)戰(zhàn)34邏輯斯諦回歸341邏輯斯諦回歸算法342案例：求職錄用情況回歸實(shí)戰(zhàn)35SVM351SVM算法概述352案例：面部識(shí)別應(yīng)用實(shí)戰(zhàn)36思考與練習(xí)第4章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)41神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介411神經(jīng)網(wǎng)絡(luò)理論412發(fā)展歷史及現(xiàn)狀413發(fā)展趨向及前沿問(wèn)題414神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法415神經(jīng)網(wǎng)絡(luò)的研究趨勢(shì)42感知機(jī)421單層感知機(jī)422多層感知機(jī)43全連接神經(jīng)網(wǎng)絡(luò)431全連接神經(jīng)網(wǎng)絡(luò)與多層感知機(jī)432全連接神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)44BP神經(jīng)網(wǎng)絡(luò)441梯度下降法442反向傳播算法443案例：基于BP神經(jīng)網(wǎng)絡(luò)模型的房?jī)r(jià)預(yù)測(cè)實(shí)戰(zhàn)45Dropout正則化46批標(biāo)準(zhǔn)化461批標(biāo)準(zhǔn)化的實(shí)現(xiàn)方式462批標(biāo)準(zhǔn)化的使用方式463案例：手寫數(shù)字識(shí)別分類實(shí)戰(zhàn)47思考與練習(xí)第5章卷積神經(jīng)網(wǎng)絡(luò)51卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介511什么是卷積神經(jīng)網(wǎng)絡(luò)512卷積神經(jīng)網(wǎng)絡(luò)的基本模型513卷積神經(jīng)網(wǎng)絡(luò)典型的應(yīng)用開發(fā)流程52AlexNet模型521AlexNet模型簡(jiǎn)介522AlexNet的特點(diǎn)523AlexNet的網(wǎng)絡(luò)結(jié)構(gòu)524案例：基于AlexNet的Cifar10分類實(shí)戰(zhàn)53VGGNet模型531 VGGNet模型簡(jiǎn)介532 VGG16的網(wǎng)絡(luò)架構(gòu)533案例：基于VGG16的Cifar10分類實(shí)戰(zhàn)54ResNet模型541ResNet模型簡(jiǎn)介542殘差學(xué)習(xí)543ResNet的網(wǎng)絡(luò)結(jié)構(gòu)544案例：基于ResNet的Cifar10分類實(shí)戰(zhàn)55DenseNet模型551DenseNet模型簡(jiǎn)介552DenseNet的結(jié)構(gòu)553案例：基于DenseNet的貓狗圖像分類實(shí)戰(zhàn)56思考與練習(xí)第6章循環(huán)神經(jīng)網(wǎng)絡(luò)61循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介611什么是循環(huán)神經(jīng)網(wǎng)絡(luò)612循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)613案例：基于循環(huán)神經(jīng)網(wǎng)絡(luò)的文本情感分析實(shí)戰(zhàn)62LSTM模型621LSTM簡(jiǎn)介622LSTM結(jié)構(gòu)623BiLSTM624案例：基于LSTM的文本情感分析實(shí)戰(zhàn)63思考與練習(xí)第7章Transformer模型71自注意力機(jī)制72自編碼器721自編碼器簡(jiǎn)介722最簡(jiǎn)單的自編碼器723案例：基于自編碼器的MNIST數(shù)據(jù)集重建實(shí)戰(zhàn)73Transformer機(jī)制及應(yīng)用731Transformer機(jī)制732Transformer模型的應(yīng)用及研究進(jìn)展733案例：Transformer編碼器的簡(jiǎn)單實(shí)現(xiàn)74思考與練習(xí)第8章生成對(duì)抗網(wǎng)絡(luò)81生成對(duì)抗網(wǎng)絡(luò)簡(jiǎn)介811GAN模型812案例：基于GAN的手寫數(shù)字識(shí)別實(shí)戰(zhàn)82DCGAN821DCGAN模型822案例：基于DCGAN的手寫數(shù)字?jǐn)?shù)據(jù)生成83CGAN831CGAN模型832案例：基于CGAN的手寫數(shù)字?jǐn)?shù)據(jù)生成84思考與練習(xí)第9章遷移學(xué)習(xí)91遷移學(xué)習(xí)簡(jiǎn)介911遷移學(xué)習(xí)的背景912遷移學(xué)習(xí)的理論913遷移學(xué)習(xí)的分類914遷移學(xué)習(xí)的實(shí)現(xiàn)方法915應(yīng)用、挑戰(zhàn)及意義916案例：基于遷移學(xué)習(xí)的Cifar10分類實(shí)戰(zhàn)92遷移學(xué)習(xí)的應(yīng)用921遷移學(xué)習(xí)在深度學(xué)習(xí)中的應(yīng)用922遷移學(xué)習(xí)在強(qiáng)化學(xué)習(xí)中的應(yīng)用93思考與練習(xí)第10章綜合實(shí)戰(zhàn)——電影評(píng)論情感分析101文本分類綜述1011背景1012文本分類的概念102項(xiàng)目實(shí)現(xiàn)過(guò)程1021詞嵌入向量1022IMDb數(shù)據(jù)集及處理1023使用RNN進(jìn)行情感分析1024使用LSTM進(jìn)行情感分析103思考與練習(xí)第11章綜合實(shí)戰(zhàn)——圖像分類111項(xiàng)目需求和數(shù)據(jù)集1111項(xiàng)目需求1112數(shù)據(jù)集112項(xiàng)目實(shí)現(xiàn)過(guò)程1121導(dǎo)入數(shù)據(jù)包1122處理數(shù)據(jù)1123搭建神經(jīng)網(wǎng)絡(luò)1124設(shè)置優(yōu)化器、損失函數(shù)1125存取模型、斷點(diǎn)續(xù)訓(xùn)1126保存參數(shù)1127可視化1128預(yù)測(cè)測(cè)試集1129打包程序113思考與練習(xí)參考文獻(xiàn)

我要評(píng)論